ANÁLISE DO SERVIÇO DE ATENDIMENTO MÓVEL DE URGÊNCIA ...
Transcript of ANÁLISE DO SERVIÇO DE ATENDIMENTO MÓVEL DE URGÊNCIA ...
Pedro Marinho Sizenando Silva
ANÁLISE DO SERVIÇO DE ATENDIMENTO MÓVEL DE URGÊNCIA (SAMU) DE BELO
HORIZONTE VIA SIMULAÇÃO E OTIMIZAÇÃO
Dissertação apresentada ao Programa de Pós-
Graduação em Engenharia de Produção da
Universidade Federal de Minas Gerais, como
requisito parcial à obtenção do título de Mestre
em Engenharia de Produção.
Área de Concentração: Produção e Logística Orientador: Prof. Dr. Luiz Ricardo Pinto
Belo Horizonte UFMG 2010
“Conseguir que as gerações futuras sejam mais felizes que a nossa será o prêmio mais
grandioso a que se possa aspirar. Não haverá valor comparável ao cumprimento desta
grande missão, que consiste em preparar para a humanidade futura um mundo melhor.”
Carlos Bernardo González Pecotche - RAUMSOL
AGRADECIMENTOS
Ao meu orientador, Prof. Dr. Luiz Ricardo Pinto, pelos conselhos e sugestões nas horas
certas e pelo aprendizado ao longo de tantos anos.
À Fapemig, pela bolsa de estudos concedida ao longo da maior parte do trabalho.
Ao ex-coordenador médico do SAMU, doutor Anselmo Dornas Moura, por ter recebido
o projeto de braços abertos.
À coordenadora médica do SAMU, doutora Maria Silvia Mascarenhas Martins de
Lucena, pelo apoio ao projeto durante mais de um ano, respondendo pacientemente as
dúvidas e facilitando ao máximo o desenvolvimento do trabalho.
A todos os funcionários da central de regulação do SAMU de Belo Horizonte, pela
paciência durante as horas gastas na coleta de dados.
Ao Walter, funcionário da Secretaria de Saúde de Belo Horizonte, analista de sistemas
responsável pelo banco de dados.
Ao Comitê de Ética em Pesquisa da Secretaria de Saúde de Belo Horizonte, por ter
aprovado o projeto, considerando relevante para melhoria do processo de atendimento
do Samu.
Aos colegas de mestrado, pelas conversas, apoio e companheirismo nas horas alegres e
nos momentos difíceis.
À minha família, especialmente aos meus pais, por terem me mostrado através do
exemplo e dos ensinamentos qual o grande significado e objetivo da vida.
Um agradecimento póstumo ao Renato Xavier Jardim, que foi quem idealizou este
trabalho.
LISTA DE FIGURAS ........................................................................................................i LISTA DE TABELAS .....................................................................................................iv LISTA DE ABREVIATURAS .........................................................................................vi RESUMO ....................................................................................................................... vii ABSTRACT .................................................................................................................... viii
SUMÁRIO
1. INTRODUÇÃO ............................................................................................................. 1 1.1. Justificativa ................................................................................................................. 1 1.2. Objetivo Geral ............................................................................................................ 2 1.3. Objetivos Específicos ................................................................................................. 2 1.4. Estrutura da Dissertação ............................................................................................. 3 2. METODOLOGIA DE TRABALHO............................................................................. 4 3. CARACTERIZAÇÃO DO SERVIÇO DE ATENDIMENTO MÓVEL DE URGÊNCIA ...................................................................................................................... 8 3.1. O que é o SAMU ........................................................................................................ 8 3.2. Caracterização detalhada do processo de resgate ....................................................... 9 3.3. Samu de Belo Horizonte ........................................................................................... 17 4. MOTIVAÇÃO NO USO DA SIMULAÇÃO ............................................................. 21 5. REVISÃO DE LITERATURA ................................................................................... 23 5.1. Simulação a eventos discretos .................................................................................. 23 5.2. Simulação aplicada ao serviço médico de emergência (SME) ................................. 25 6. ANÁLISE DO BANCO DE DADOS ......................................................................... 39 6.1. Chegada das chamadas ............................................................................................. 39 6.2. Características das chamadas.................................................................................... 44 7. MODELO DE SIMULAÇÃO PARA O SAMU ......................................................... 50 7.1. Modelo Computacional ............................................................................................ 50 7.2. Verificação e Validação............................................................................................ 60 7.3. Regime Transiente x Permanente ............................................................................. 65 7.4. Número de Replicações ............................................................................................ 66 7.5. Cenário Atual de Operação....................................................................................... 68 8. ANÁLISE DE CENÁRIOS ....................................................................................... 74 8.1. Cenário 1 – Aumento de demanda ........................................................................... 74 8.2. Cenário 2 – Reposição feita nos hospitais ................................................................ 79 8.3. Cenário 3 – Nova central de regulação ..................................................................... 82 8.4. Cenário 4 – Otimização do número e localização das ambulâncias ......................... 86 9. CONCLUSÕES E RECOMENDAÇÕES PARA TRABALHOS FUTUROS ......... 100 REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................... 102
ANEXO I – Distribuição dos tempos de atendimento .................................................. 112
ANEXO II – Distribuição da taxa média de chamadas por dia e por faixa de horário..116
ANEXO III – Taxa de utilização das ambulâncias para o cenário atual ....................... 120
ANEXO IV – Custo mensal de uma unidade de suporte básico ................................... 121
i
LISTA DE FIGURAS
Figura 2.1 – Etapas de um estudo de simulação ................................................................ 4
Figura 3.1 – Fluxograma do processo de atendimento a uma chamada .......................... 16
Figura 3.2 – Distribuição espacial das unidades de resgate ............................................ 18
Figura 3.3 – Distribuição espacial dos centros de atendimento ...................................... 20
Figura 4.1 – Sequência de eventos no atendimento de emergência ................................ 21
Figura 5.1 – Interação entre os elementos de um modelo de simulação ......................... 25
Figura 6.1 – Evolução no número de chamadas (out/2006 – ago/2009) ........................ 40
Figura 6.2 – Comparativo do número de chamadas entre dias úteis e final de semana .. 42
Figura 6.3 – Distribuição das chamadas por região (out/2006 – ago/2009) ................... 43
Figura 6.4 – Evolução da participação de cada região no total de chamadas (jan/2009 –
ago/2009) ........................................................................................................................ 44
Figura 6.5 – Legenda para as tabelas de descrição das chamadas ................................... 45
Figura 6.6 – Evolução do número de chamadas atendidas (despacho de ambulância) .. 49
Figura 7.1 – Fluxograma do processo de atendimento de uma chamada de emergência.51
Figura 7.2 – Mapeamento da região de Venda Nova ...................................................... 56
Figura 7.3 – Matriz de controle das ambulâncias (retirado diretamente da tela do
Arena)..............................................................................................................................59
Figura 7.4 – Gráfico comparativo do número de atendimentos realizados (validação)
........................................................................................................................................ 64
Figura 7.5 – Período transiente para o tempo de resposta médio .................................... 66
Figura 7.6 – Histograma do tempo de resposta para cenário atual .................................. 69
Figura 7.7 – Histograma do tempo de espera da chamada para cenário atual ................. 71
Figura 7.8 – Freqüência relativa da quantidade de atendimentos em cada centro .......... 73
Figura 8.1 – Variação do tempo de resposta médio com o aumento da demanda........... 75
Figura 8.2 – Variação do tempo de espera médio com o aumento da demanda ............. 76
Figura 8.3 – Variação do tamanho médio da fila de espera com o aumento da demanda
......................................................................................................................................... 76
Figura 8.4 – Variação do tamanho máximo da fila de espera com o aumento da demanda
......................................................................................................................................... 77
Figura 8.5 – Histograma do tempo de espera para o cenário 3 ....................................... 84
Figura 8.6 – Histograma do tempo de resposta para o cenário 3 .................................... 85
Figura 8.7 – Representação básica do processo de otimização baseada em simulação . 87
ii
Figura 8.8 – Histograma do tempo de resposta médio das USB’s para o cenário 8.4.1
......................................................................................................................................... 92
Figura 8.9 – Histograma do tempo de resposta médio das USA’s para o cenário 8.4.1
......................................................................................................................................... 92
Figura 8.10 – Histograma do tempo de resposta médio das USB’s para o cenário 8.4.2
......................................................................................................................................... 95
Figura 8.11 – Histograma do tempo de resposta médio das USA’s para o cenário 8.4.2
......................................................................................................................................... 95
Figura 8.12 – Histograma do tempo de resposta médio das USB’s para o cenário 8.4.3
......................................................................................................................................... 98
Figura 8.13 – Histograma do tempo de resposta médio das USA’s para o cenário 8.4.3
......................................................................................................................................... 98
Figura I.1 – Distribuição para o tempo de despacho ..................................................... 112
Figura I.2 – Distribuição para o tempo de atendimento do médico regulador no caso de
não despachar uma ambulância ..................................................................................... 112
Figura 1.3 – Distribuição para o tempo de atendimento do médico regulador no caso de
envio de uma ambulância USA ..................................................................................... 112
Figura I.4 – Distribuição para o tempo de atendimento do médico regulador no caso de
envio de uma ambulância USB ..................................................................................... 113
Figura I.5 – Distribuição para o tempo de parada para manutenção ............................. 113
Figura I.6 – Distribuição para o tempo de atendimento do teledigifonista no caso de uma
ocorrência médica .......................................................................................................... 113
Figura I.7 – Distribuição para o tempo de atendimento do teledigifonista no caso de uma
ocorrência não médica ................................................................................................... 114
Figura I.8 – Distribuição para o tempo de atendimento local no caso de uma USB ..... 114
Figura I.9 – Distribuição para o tempo de atendimento local no caso de uma USA ..... 114
Figura I.10 – Distribuição para o tempo de transmissão das informações sobre o estado
do paciente para o despachante ..................................................................................... 115
Figura I.11 – Distribuição para o tempo de orientação médica da equipe de resgate
através do médico regulador da central (regulação secundária) ................................... 115
Figura II.1 – Histograma da taxa média de chamadas por horário do dia (segunda-feira)
...................................................................................................................................... 116
Figura II.2 – Histograma da taxa média de chamadas por horário do dia (terça-feira) . 116
iii
Figura II.3 – Histograma da taxa média de chamadas por horário do dia (quarta-feira)
....................................................................................................................................... 117
Figura II.4 – Histograma da taxa média de chamadas por horário do dia (quinta-feira)
....................................................................................................................................... 117
Figura II.5 – Histograma da taxa média de chamadas por horário do dia (sexta-feira).118
Figura II.6 – Histograma da taxa média de chamadas por horário do dia (sábado) ..... 118
Figura II.7 – Histograma da taxa média de chamadas por horário do dia (domingo) .. 119
iv
LISTA DE TABELAS
Tabela 3.1 – Bases do SAMU em Belo Horizonte .......................................................... 17
Tabela 3.2 – Centros de Atendimento de Belo Horizonte ............................................... 19
Tabela 5.1 – Elementos da simulação (exemplos) ......................................................... 24
Tabela 5.2 – Padrões de tempos de resposta retirados da literatura ................................ 36
Tabela 5.3 – Tempos de atendimento de diferentes localidades (valores em minutos)...37
Tabela 5.4 – Trabalhos de simulação de serviços de atendimento móveis de urgência
desde a década de 90 ....................................................................................................... 38
Tabela 6.1 – Quantidade média de chamadas por dia e horário (março a junho de 2009)
........................................................................................................................................ 41
Tabela 6.2 – Distribuição dos motivos de chamada (out/2006 – ago/2009) .................. 46
Tabela 6.3 – Distribuição dos tipos de ocorrência (out/2006 – ago/2009) ..................... 47
Tabela 6.4 – Freqüência relativa dos tipos de ocorrência por região (ano de 2009) ...... 47
Tabela 6.5 – Distribuição das condutas médicas (out/2006 – ago/2009) ....................... 47
Tabela 6.6 – Distribuição do tipo de ambulância despachada por tipo de ocorrência para
o ano de 2009 ................................................................................................................... 48
Tabela 7.1 – Critérios usuais para a classificação do p-value ......................................... 54
Tabela 7.2 – Compilado das distribuições utilizadas no modelo .................................... 55
Tabela 7.3 – Validação do tempo de espera .................................................................... 62
Tabela 7.4 – Validação do tempo de espera + deslocamento + atendimento .................. 63
Tabela 7.5 – Validação do número de atendimentos realizados (real x simulado) ........ 64
Tabela 7.6 – Intervalos de confiança para as variáveis de resposta ................................ 67
Tabela 7.7 – Tempo de resposta para cenário atual ......................................................... 68
Tabela 7.8 – Distribuição do tempo de resposta para cenário atual ................................ 69
Tabela 7.9 – Tempo de espera da chamada para cenário atual........................................ 70
Tabela 7.10 – Distribuição do tempo de espera da chamada para cenário atual ............. 71
Tabela 7.11 – Variáveis de resposta para a ambulância de saúde mental (valores médios
em minutos) .................................................................................................................... 71
Tabela 8.1 – Descrição dos cenários analisados .............................................................. 74
Tabela 8.2 – Tempo de resposta médio para o cenário 2 ................................................ 79
Tabela 8.3 – Comparativo do tempo de resposta atual e cenário 2 ................................. 80
Tabela 8.4 – Tempo total de deslocamento para reposição (cenário 2) ......................... 82
Tabela 8.5 – Tempo de espera em minutos para o cenário 3........................................... 83
v
Tabela 8.6 – Distribuição do tempo de espera em minutos para o cenário 3 .................. 83
Tabela 8.7 – Tempo de resposta em minutos para o cenário 3 ........................................ 84
Tabela 8.8 – Distribuição do tempo de resposta em minutos para o cenário 3 ............... 84
Tabela 8.9 – Diferenças para o tempo de espera médio entre cenário atual e cenário 3
......................................................................................................................................... 85
Tabela 8.10 – Diferenças para o tempo de resposta médio entre cenário atual e cenário 3
......................................................................................................................................... 86
Tabela 8.11 – Configuração para o cenário 8.4.1 ............................................................ 91
Tabela 8.12 – Distribuição do tempo de resposta médio das USB’s para o cenário 8.4.1
......................................................................................................................................... 91
Tabela 8.13 – Distribuição do tempo de resposta médio das USA’s para o cenário 8.4.1
......................................................................................................................................... 92
Tabela 8.14 – Configuração para o cenário 8.4.2 ............................................................ 94
Tabela 8.15 – Distribuição do tempo de resposta médio das USB’s para o cenário 8.4.2
......................................................................................................................................... 94
Tabela 8.16 – Distribuição do tempo de resposta médio das USA’s para o cenário 8.4.2
......................................................................................................................................... 95
Tabela 8.17 – Configuração para o cenário 8.4.3 ............................................................ 97
Tabela 8.18 – Distribuição do tempo de resposta médio das USB’s para o cenário 8.4.3
......................................................................................................................................... 97
Tabela 8.19 – Distribuição do tempo de resposta médio das USA’s para o cenário 8.4.3
......................................................................................................................................... 98
Tabela III.1 – Taxa de utilização das ambulâncias ........................................................ 120
Tabela IV.1 – Custo mensal de uma USB ..................................................................... 121
vi
LISTA DE ABREVIATURAS
ALS Advanced Life Support
BLS Basic Life Support
CERSAM Centro de Referência em Saúde Mental
IBGE Instituto Brasileiro de Geografia e Estatística
SAMU Serviço de Atendimento Móvel de Urgência
SME Serviço Médico de Emergência
UPA Unidade de Pronto Atendimento
USA Unidade de Serviço Avançada
USB Unidade de Serviço Básica
UTM Universal Transverse Mercator
vii
RESUMO
Diversos trabalhos publicados na literatura médica e na área de pesquisa operacional
demonstram que existe uma relação direta entre o tempo de resposta das unidades de
resgate e a probabilidade de sobrevivência das vítimas envolvidas em acidentes.
Apresenta-se, neste trabalho, o desenvolvimento de um modelo de simulação
representativo das operações do Serviço de Atendimento Móvel de Urgência de Belo
Horizonte. Uma análise é feita para mapeamento das atividades componentes do sistema
e levantamento das características e tendências relativas às chamadas que chegam à
central de regulação. Os tempos de todos os processos são estimados e, com o modelo
verificado e validado, apresentam-se estimativas para o tempo de resposta médio,
variável de interesse utilizada para avaliação de desempenho deste tipo de sistema.
Alguns cenários foram avaliados utilizando do modelo computacional implementado e
análises foram conduzidas para determinação dos ganhos e eventuais perdas nas
diversas etapas do processo de resgate decorrentes das mudanças consideradas. Um
estudo também foi conduzido integrando o modelo de simulação com um otimizador, de
maneira a identificar a melhor configuração (dentro de critérios de busca e parada
estabelecidos), levando em consideração a restrição relativa ao tempo de resposta.
viii
ABSTRACT
Several studies published in the medical literature and in the area of operational
research shows that there is a direct relation between response time of rescue units and
the probability of survival for victims involved in accidents. This study presents the
development of a simulation model representing the operations of the Emergency
Medical System of Belo Horizonte. An analysis is made for mapping the activities of
the system and study the characteristics and trends related to the calls that arrive in the
central regulation. The times of all processes are estimated and, with the model verified
and validated, experiments were conducted to estimate the average response time, the
variable of interest used to evaluate the performance of this type of system. Some
scenarios were evaluated using the computational model implemented and analyses
were conducted to determine the gains and losses in the various stages of the rescue
process related to the considered changes. A study was also conducted by integrating
the simulation model with an optimizer, in order to identify the best configuration
(within search criteria and stopping criteria adopted), taking into consideration
restrictions concerning the response time.
1
1. INTRODUÇÃO
1.1 JUSTIFICATIVA
A função básica de um Serviço de Atendimento Móvel de Urgência (SAMU) é
responder de forma organizada, a fim de evitar o uso excessivo de recursos, a toda
situação de urgência que necessite de meios médicos, desde o primeiro contato
telefônico até a liberação das vítimas ou seus encaminhamentos hospitalares. O sistema
deve determinar e desencadear a resposta mais adequada para o caso, assegurar a
disponibilidade dos meios hospitalares, determinar o tipo de transporte exigido e
preparar o acolhimento dos pacientes (TAKEDA et al., 2001).
Serviços emergenciais como os SAMU’s apresentam altos graus de incerteza, e
normalmente suas eficiências são medidas através do tempo médio de resposta a um
chamado, ou seja, o tempo que uma vítima espera em média para começar a receber
algum tipo de atendimento. Quanto maior o grau de incerteza envolvido e maior a
necessidade de se obter respostas rápidas, menor deve ser a taxa de utilização dos
operadores e equipamentos do sistema. Caso contrário, o nível de serviço oferecido
pode ser deteriorado. Neste contexto, quando bem dimensionados, geralmente ocorrem
longos períodos em que os operadores e equipamentos permanecem desocupados
(GONÇALVES, 1994).
Diversos autores apontam a existência de uma relação direta entre o tempo de espera
por atendimento e a probabilidade de sobrevivência das vítimas. Cummings (1989)
afirma que para pacientes com parada cardíaca, cada minuto de atraso no resgate
diminui a taxa de sobrevivência de 7-10%. Cummins et al. (1985) também observaram
que se o procedimento de ressuscitação cardiopulmonar for feito dentro de 5 minutos
desde o instante da parada cardíaca e a desfibrilação ocorrer dentro de 10 minutos, a
porcentagem de sobrevivência até a liberação pelo hospital é de 30%, caso contrário
diminui para menos de 7%. Mayer (1979) examinou 525 casos de parada cardíaca
ocorridas em Seattle durante um período de um ano. Foi possível identificar uma
relação estatística significativa entre sobrevivência a curto prazo (admissão no hospital)
e a longo prazo (liberação do hospital) e tempo de viagem das unidades de resgate. Por
exemplo, para tempos de viagem de 3 minutos ou menos, 77% de todas as vítimas
2
foram admitidas no hospital, enquanto 48% foram liberadas do hospital. Para tempos de
viagem de 7 minutos ou mais, os valores correspondentes foram de 52% e 19%.
O problema da análise de serviços emergenciais pode ser abordado de diferentes
maneiras: localização de bases (Toregas et al., 1971), projeto das áreas de cobertura
específicas (Church e ReVelle, 1974), simulação (Su e Shih, 2003), modelo hipercubo
(Oliveira e Gonçalves, 2004), dentre outros. O presente trabalho utiliza das técnicas de
simulação a eventos discretos para condução do estudo de análise do serviço de
atendimento móvel de urgência de Belo Horizonte – MG.
1.2 OBJETIVO GERAL
Desenvolver um modelo de simulação capaz de representar de maneira confiável as
operações de resgate do Serviço de Atendimento Móvel de Urgência (SAMU) de Belo
Horizonte, com o objetivo de gerar estimativas dos parâmetros de desempenho (tempo
de resposta e espera no atendimento) comumente utilizados para avaliação deste tipo de
sistema. Com o modelo desenvolvido, avaliar configurações alternativas de operação
buscando reduzir o tempo de resposta (tempo gasto desde a chegada da chamada na
central de regulação até a chegada da equipe de atendimento no local do incidente).
1.3 OBJETIVOS ESPECÍFICOS
i. Avaliação do número de servidores no sistema, buscando identificar a
quantidade ideal que atenda a população com um nível de serviço considerado
de alta qualidade. De acordo com Ball e Lin (1993) a regulamentação americana
para os serviços médicos de urgência estabelece que 95% das solicitações em
área urbana devem ser atendidas em, no máximo, 10 minutos, sendo este período
estendido para 30 minutos para áreas rurais.
ii. Análise das características das chamadas que chegam à central bem como sua
distribuição temporal e espacial.
iii. Avaliar o impacto no tempo de resposta do sistema considerando as seguintes
mudanças:
� Aumento na demanda por serviços;
� Alteração na localização da central de regulação;
3
� Mudanças na lógica de operação;
� Mudanças no número e localização das ambulâncias em operação.
1.4 ESTRUTURA DA DISSERTAÇÃO
A dissertação está dividida da seguinte maneira: nesta seção é feita uma introdução ao
problema e a apresentação dos objetivos gerais e específicos para o trabalho, buscando
delimitar de maneira clara o seu escopo, a seção 2 resume a metodologia utilizada para
abordagem e tratamento do problema, a seção 3 apresenta uma caracterização do objeto
de estudo focando nos aspectos que serão considerados para futura modelagem
computacional, a seção 4 apresenta uma justificativa e motivação para o uso de técnicas
de simulação a eventos discretos neste contexto, a seção 5 apresenta uma revisão de
literatura sobre simulação a eventos discretos e simulação aplicada no contexto de
atendimento médico de emergência, a seção 6 resume as principais informações
retiradas do banco de dados e coletadas em campo, explicitando seu uso no modelo, a
seção 7 detalha o modelo computacional desenvolvido bem como as considerações e
simplificações feitas, a seção 8 apresenta os principais resultados obtidos a partir dos
cenários analisados e a seção 9 traz a conclusão do trabalho desenvolvido e sugestões
para trabalhos futuros.
4
2 METODOLOGIA DE TRABALHO
O trabalho foi desenvolvido seguindo os passos apresentados no fluxograma a seguir.
Formulação do problema e
planejamento do estudo
Coleta dos dados e
definição do modelo
Validação dos
pressupostos
Construção do modelo
computacional e verificação
Realização das rodadas
piloto de simulação
Planejamento dos
experimentos
Realização das execuções
de simulação
Análise dos resultados
Documentação,
apresentação e
implementação dos
resultados
SIM
SIM
NÃO
NÃOValidação do
modelo
1
2
3
4
5
6
7
8
9
10
Figura 2.1: Etapas de um estudo de simulação Fonte: Law (2007)
5
1. Formulação do problema e planejamento do estudo
Definição clara do escopo do problema e levantamento de quais questões serão
abordadas pelo estudo de simulação. Importante participação de responsável da empresa
ou instituição onde será desenvolvido o trabalho, com levantamento das medidas de
desempenho que serão utilizadas para avaliar a eficácia de diferentes configurações do
sistema e definição do tempo de projeto e recursos a serem utilizados.
2. Coleta dos dados e definição do modelo
Os dados a serem utilizados e o nível de detalhamento do modelo vão depender dos
objetivos e metas levantados no item anterior. Os dados serão utilizados para
especificação dos parâmetros do modelo e definição das distribuições de probabilidade
utilizadas como entrada.
3. Validação dos pressupostos
Uma vez feita a modelagem conceitual do problema e a coleta e tratamento completos
dos dados a serem utilizados, a participação da gerência da empresa ou instituição
envolvida no projeto é de extrema importância, de maneira a validar o que já foi feito e
evitar retrabalho em etapas posteriores do estudo. Caso algum aspecto seja motivo de
insatisfação e seja identificada a necessidade de alguma alteração, retorna-se para o
passo 2.
4. Construção do modelo computacional e verificação
Modelagem computacional do problema a ser tratado utilizando das informações
levantadas e dados coletados nos itens anteriores. Nesta etapa, pode-se utilizar de
alguma linguagem de programação (melhor controle do programa, menor custo de
aquisição e menor tempo de execução) ou algum software específico de simulação
(redução no tempo de programação e maior facilidade de implementação). Uma vez
implementado, o modelo computacional é verificado de maneira a garantir que cada
procedimento ou função implementada esteja funcionando da maneira prevista de
acordo com a operação real do sistema em estudo.
5. Realização das rodadas piloto de simulação
O modelo verificado é testado em rodadas piloto de maneira a gerar dados suficientes
para serem utilizados no processo de validação.
6
6. Validação do modelo
Confrontar os valores das variáveis de resposta fornecidos pelo modelo computacional
desenvolvido com valores reais coletados no sistema em funcionamento (passo 2).
Diferentes técnicas estatísticas podem ser utilizadas nesta etapa, como por exemplo o
teste de hipóteses, intervalo de confiança e análise de variância. Quando dados reais não
estiverem disponíveis para comparação, a participação e análise detalhada tanto dos
programadores quanto dos gerentes envolvidos é de extrema importância, de maneira a
garantir a representatividade e eficiência do mesmo.
7. Planejamento dos experimentos
Definição de quais cenários serão simulados com o modelo desenvolvido, levando em
conta os objetivos traçados no passo 1 bem como o nível de detalhamento do modelo,
buscando garantir que as configurações testadas irão fornecer informações suficientes
para auxiliar na tomada de decisão por parte dos gestores do sistema. Devem ser
definidos, para cada configuração, a duração de cada rodada de simulação, do tempo de
aquecimento quando necessário e quantidade de replicações.
8. Realização das execuções de simulação
Simular os cenários levantados no item anterior e armazenar as informações relevantes
para análise relativa ao desempenho do sistema.
9. Análise dos resultados
As informações utilizadas nesta etapa devem ser suficientemente precisas para
determinar o desempenho do sistema sob determinada configuração e ser possível
comparar diferentes cenários. Mais uma vez as técnicas estatísticas são fundamentais no
auxílio às análises.
10. Documentação, apresentação e implementação dos resultados
Documentar os pressupostos, o modelo computacional de simulação desenvolvido e os
resultados dos cenários simulados. O documento gerado é de grande valia para uso
futuro do projeto por pessoas diferentes e até mesmo para novos estudos na mesma área.
Os resultados encontrados devem ser apresentados para as partes envolvidas e utilizados
no auxílio à tomada de decisões, dado que as etapas anteriores foram cumpridas de
acordo e validadas sempre que necessário. Nesta etapa, o uso da animação facilita a
7
comunicação e exposição do modelo implementado para aqueles que não estão
familiarizados com a lógica de programação ou com os detalhes do modelo.
8
3 CARACTERIZAÇÃO DO SERVIÇO DE ATENDIMENTO MÓVEL DE
URGÊNCIA
As informações relativas aos dados históricos e processo de funcionamento do SAMU,
quando não referenciadas, foram retiradas e adaptadas do site www.portal.saude.gov.br.
3.1 O QUE É O SAMU
O serviço de atendimento móvel de urgência no Brasil segue o modelo francês de
tratamento pré-hospitalar, que presta socorro às vítimas no local do acidente, não se
atendo somente ao transporte da vítima para o hospital. Lançado em setembro de 2003
pelo Governo Federal, está disponível 24 horas por dia, sendo constituído por equipes
de profissionais da saúde que incluem médicos, enfermeiras e assistentes, que
respondem a emergências de diferentes naturezas, incluindo trauma, pediátrica,
cirúrgica, ginecológica, obstétrica e saúde mental (TIMERMAN et al., 2006).
O Serviço de Atendimento Móvel de Urgência (Samu/192) é um programa que tem
como finalidade prestar o socorro à população em casos de emergência. Com o
Samu/192, o governo federal busca reduzir o número de óbitos, o tempo de internação
em hospitais e as seqüelas decorrentes da falta de socorro precoce. O Samu realiza o
atendimento de urgência e emergência em qualquer lugar: residências, locais de trabalho
e vias públicas. O socorro é feito após chamada gratuita, feita para o telefone 192. A
ligação é atendida por técnicos na Central de Regulação que identificam a emergência e,
imediatamente, transferem o telefonema para o médico regulador. Esse profissional faz
o diagnóstico da situação e inicia o atendimento no mesmo instante, orientando o
paciente, ou a pessoa que fez a chamada, sobre as primeiras ações. Ao mesmo tempo, o
médico regulador avalia qual o melhor procedimento para o paciente: orienta a pessoa a
procurar um posto de saúde; designa uma ambulância de suporte básico de vida, com
auxiliar de enfermagem e socorrista para o atendimento no local; ou, de acordo com a
gravidade do caso, envia uma unidade avançada, com médico e enfermeiro. Com poder
de autoridade sanitária, o médico regulador comunica a urgência ou emergência aos
hospitais públicos e, dessa maneira, reserva leitos para que o atendimento de urgência
tenha continuidade.
9
Atualmente, a rede nacional SAMU 192 conta com 146 Serviços de Atendimento
Móvel de Urgência no Brasil. Ao todo, 1.269 municípios são atendidos pelo SAMU,
num total de 101.794.573 milhões de pessoas.
O Samu pode ser chamado nos seguintes casos:
� Na ocorrência de problemas cardio-respiratórios;
� Em casos de intoxicação, trauma ou queimadura;
� Na ocorrência de quadros infecciosos;
� Na ocorrência de maus tratos;
� Em trabalhos de parto;
� Em casos de tentativas de suicídio;
� Em crises hipertensivas;
� Quando houver acidentes com vítimas;
� Em casos de choque elétrico;
� Em acidentes com produtos perigosos;
� Na transferência de doentes de uma unidade hospitalar para outra.
3.2 CARACTERIZAÇÃO DETALHADA DO PROCESSO DE RESGATE
A descrição a seguir está baseada em informações retiradas do sítio da internet da
Secretaria de Saúde de Belo Horizonte (http://www.pbh.gov.br/smsa) e informações
coletadas diretamente na central de regulação do SAMU.
1. Da instalação do agravo à saúde até sua identificação
Esta etapa depende diretamente do envolvimento da população. Algumas
situações são imediatas e facilmente identificadas, como os acidentes, enquanto
outras podem ser negligenciadas, como por exemplo uma dor no peito
(possibilidade de enfarto) ou tontura (possibilidade de acidente vascular
cerebral). Em uma comunidade bem envolvida e orientada, esta etapa
geralmente é curta, enquanto em outras pode ser longa e representar uma
redução na eficiência do socorro médico.
10
2. Da identificação da emergência ao início do contato feito com um serviço de
emergência
Uma vez identificada a situação de emergência, vem a decisão de acionar um
serviço de resgate. Esta etapa depende da disponibilidade de um telefone
próximo e do conhecimento de qual número chamar.
3. Do início do contato à conclusão da anotação dos dados (triagem da informação,
coleta dos dados necessários para o despacho, endereço, etc.)
O profissional que atende ao telefone deve imediatamente separar os
telefonemas que não se caracterizam como emergência, dando-lhes destino
conforme sua rotina. Caracterizada a emergência, deve identificar sua natureza
básica, alguns dados sobre a vítima e endereço. O quesito endereço é talvez o
grande responsável pelos atrasos no despacho de ambulâncias nos sistemas
manuais, ou seja, naqueles onde o endereço deve ser obtido verbalmente e com
precisão para que a ambulância possa chegar até a vítima. Na maioria das vezes,
com maior freqüência em grandes cidades, há nomes iguais de ruas, muitos não
constam nos guias, nomes informais ou áreas de favela e condomínios, em que é
preciso riqueza de detalhes para que a ambulância possa chegar ao ponto
correto. Em muitas situações as pessoas não sabem soletrar o nome de ruas
batizadas com nomes de pessoas de difícil entendimento, o que pode determinar
o envio de ambulância para local errado. Em algumas situações o chamado é
feito por uma criança ou por pessoa muito nervosa com a situação, dificultando
a comunicação do evento. McCarthy et al. (1997) apresentam um estudo
conduzido em duas unidades de atendimento móvel de emergência (uma para
atendimento em áreas rurais e outra em áreas urbanas) buscando explicitar as
principais variáveis que interferem no processo de identificação precisa dos
locais de incidente.
4. Da conclusão da anotação dos dados à sua transferência para as mesas de
despacho
Coletados os dados, estes devem ser anotados em uma ficha que será passada
para o profissional encarregado de acionar a ambulância. Em sistemas menores,
pode ser a mesma pessoa que atende e despacha, mas não é usual e nem
adequado, pois esta pessoa, o mais rápido possível, deverá estar desimpedida
para receber nova solicitação. O ato de levantar, deslocar alguns metros, trocar
informações com os colegas, entregar a ficha e retornar para seu terminal de
11
telefone, são atividades que consomem tempo e podem atrasar o atendimento de
uma nova chamada. Na central de regulação do Samu de Belo Horizonte, este
processo é todo feito e controlado com o uso de sistemas de informação. As
informações iniciais são todas digitadas pelo atendente em uma tela específica
para cada atendimento e, caso seja necessária a regulação de um médico, este
recebe a chamada em sua tela (médicos e atendentes ficam em salas separadas).
Da mesma maneira, sendo necessário o envio de uma ambulância, o despachante
recebe a solicitação na sua tela e procede com o envio da unidade disponível
mais próxima.
5. Do recebimento pela mesa de despacho à identificação da ambulância disponível
mais próxima
Passados os dados para uma mesa de despacho, deverá ser escolhida a
ambulância disponível mais próxima da ocorrência. Nos sistemas menores, com
reduzido número de bases de ambulâncias, este processo é mais simples e quase
imediato. Nas grandes cidades, que geralmente possuem diversas bases de
ambulâncias, esta escolha pode levar tempo precioso. Podem existir várias
mesas de despacho, uma para cada região da cidade, o que facilita e melhora a
decisão e o acompanhamento das ocorrências. Alguns sistemas possuem mais de
um tipo de ambulância (unidade de serviço avançada – USA e unidade de
serviço básica – USB) , como é o caso do sistema de Belo Horizonte. Os
detalhes sobre as condições da vítima também devem servir de parâmetro para
que possa definir qual tipo de ambulância disponível designar. Outro ponto
crítico nos sistemas manuais é a proporção entre os despachantes e as
ambulâncias que devem acompanhar. Quanto mais ambulâncias à disposição do
profissional do despacho, mais difícil será o controle. Várias emergências
podem estar ocorrendo ao mesmo tempo, existindo a possibilidade da formação
de filas no processo de despacho.
6. Da identificação ao contato com a ambulância disponível mais próxima
Identificada a ambulância mais próxima, esta deverá ser acionada. Aqui o que
importa é a eficiência do sistema de comunicação. Podendo ser acionado por
rádio ou telefone, a equipe deve estar em local onde o contato seja imediato. A
posição de uma ambulância em local onde o rádio funciona de maneira irregular,
a ausência de rádios portáteis que possam ficar com os socorristas, podem, em
12
algumas ocasiões, inviabilizar um rápido atendimento, piorando o tempo de
resposta.
7. Do início do contato à conclusão da passagem dos dados
Uma vez contatada a equipe, alguns segundos serão gastos para passar os dados
da ocorrência que deverão ser anotados em ficha própria. Atualmente a equipe
de resgate recebe os dados de localização (região do evento) para dar início ao
deslocamento. Em movimento a equipe recebe os dados complementares da
ocorrência possibilitando redução no tempo de resposta do sistema.
8. Da passagem dos dados para a equipe da ambulância ao início do deslocamento
Com os dados anotados, a equipe deve decidir qual percurso seguirá. Na maioria
das vezes, quando a equipe atua sempre na mesma área ou em um município
pequeno, essa tarefa é fácil. Entretanto, por vezes, necessita consultar um guia
para tomar a decisão. O rodízio constante de equipes é salutar por um lado, mas
quanto ao tempo de resposta, o conhecimento da região, das rotas possíveis e
intensidade do tráfego são essenciais para melhoria da eficiência do tempo de
deslocamento. Alguns serviços usam guias padronizados em todo o sistema, de
forma a permitir que o despachante possa informar à equipe qual a página do
guia na qual se encontra o endereço. A decisão relativa à melhor rota também
pode ser feita com o auxílio de aparelhos GPS, o que eliminaria o problema de
desconhecimento da região.
9. Do início do deslocamento e saída da base à chegada ao local da emergência
Este é o verdadeiro tempo de deslocamento. Programas de orientação voltados
para a população sobre como proceder ao ouvir ou avistar uma ambulância,
como dar passagem e facilitar o melhor deslocamento do veículo podem
contribuir para a redução no tempo de deslocamento. Da mesma maneira, os
motoristas das ambulâncias devem ser orientados sobre como fazer
ultrapassagens, como deslocar-se em uma via carregada, como agir diante de
semáforos fechados, como e quando acionar as sirenes, etc. Chegar ao local da
emergência também pode ocorrer em uma mão oposta, não permitindo a equipe
cruzar a via a pé, muitas vezes com tráfego intenso. Assim, também o lado de
aproximação deve ser previamente estabelecido.
10. Da chegada no local ao primeiro acesso à vítima
A chegada ao local nem sempre significa acessar a vítima. Ao se chegar a uma
favela, por exemplo, um tempo considerável é gasto nas atividades de estacionar
13
a ambulância e deslocar-se carregando equipamento até encontrar a vítima,
sendo que esta pode estar inacessível durante algum tempo até o contato com o
resgate. Campbell et al. (1993) apresentam um estudo para determinação do
tempo entre a chegada da ambulância no local do acidente e o instante de
contato da equipe médica com o paciente, identificando também os principais
fatores que interferem na movimentação da equipe durante este intervalo.
Em todas as solicitações, alguém deve aguardar em frente à residência,
sinalizando e permitindo a aproximação da ambulância e o seu estacionamento
seguro e rápido. Para as vítimas de acidentes presas nas ferragens ou sob
estruturas em colapso, deve-se ter uma equipe de resgate eficiente e que trabalhe
integrada com a equipe de atendimento médico, quando não for a mesma, de
modo a permitir o acesso à vítima, mesmo que parcial, possibilitando o início do
socorro.
11. Do início ao final do atendimento no local (ambulância pronta para partir)
O atendimento pode ser totalmente realizado no local ou parcialmente realizado
no local e depois dentro da ambulância designada. Este tempo depende da
complexidade da situação, envolvendo fatores como o tipo de agravo à saúde
que a vítima estiver sofrendo, qualificação da equipe que faz o atendimento,
número de socorristas, condições ambientais e protocolos do sistema. Equipes
de suporte avançado tendem a gastar mais tempo, pois executam mais
procedimentos que as equipes de suporte básico.
Outro fator que interfere no tempo de atendimento é o número de profissionais
na equipe. Quando há um qualificado para atender e um para auxiliar, o tempo
tende a ser maior que nos sistemas onde a qualificação dos dois socorristas é a
mesma e um não necessita aguardar orientação do outro para realizar as ações.
Fundamental também é o número de vítimas. Nas emergências clínicas a
tendência é que haja apenas uma vítima, mas nas traumáticas e em especial em
acidentes com veículos, esse número pode ser maior. A mesma equipe pode
socorrer duas ou mais vítimas, antes que chegue outra equipe para auxiliar no
socorro e o tempo total de permanência no local e manuseio das vítimas será
maior. Os serviços devem preocupar-se em avaliar esse tempo como parte da
rotina do trabalho. Entretanto, tempo maior ou menor no manuseio da vítima
deve ser analisado com cuidado ao ser utilizado como fator de eficiência. Os
14
profissionais devem levar o tempo que for tecnicamente necessário para realizar
um atendimento e este deve privilegiar as condições da vítima.
12. Do início do transporte até a chegada ao hospital de destino
Realizados os procedimentos no local e definido o hospital de destino, a equipe
estará pronta para o transporte. Este tempo dependerá da distância a ser
percorrida e da fluidez do tráfego para a ambulância. Se houver necessidade de
procedimentos durante o transporte, a velocidade de deslocamento será reduzida.
Um acesso venoso que se perde ou a necessidade de uma intubação poderá
requerer a parada completa da ambulância.
Nas ambulâncias bem dimensionadas, os profissionais ficam em posição
adequada para as manobras, distribuição racional dos materiais e equipamentos
e, acima de tudo, muito treinamento sobre os procedimentos durante a
movimentação. Estas medidas não alteram o tempo de resposta, mas elevam a
eficiência do socorro prestado.
13. Da chegada ao hospital até a passagem da vítima para a equipe médica
Em um sistema organizado as vítimas são removidas para hospitais de
referência, conforme programa previamente estabelecido. Quando a central
informa por telefone que uma vítima está sendo transferida, a recepção tende a
ser mais rápida. Esta passagem implica em explicações sobre a ocorrência,
situação em que a vítima foi encontrada, procedimentos realizados e também o
fornecimento de uma via do relatório sobre o atendimento. Esta via, na maioria
das vezes, não está pronta no momento da chegada ao hospital. Mesmo assim, a
vítima é entregue com explicações verbais e em alguns minutos a ficha poderá
ser passada.
14. Conclusão dos relatórios ainda no hospital
O paciente neste caso já foi entregue à equipe no hospital. Pode haver
necessidade de complementar e concluir o relatório para entregar a via do
hospital. Alguns hospitais mantêm uma sala para a equipe da ambulância onde
poderão terminar o relatório de maneira mais eficiente.
15. Liberação da equipe
A liberação deveria ser automática, ou seja, uma vez entregue a vítima com
explicações e o relatório devidamente preenchido, a equipe da ambulância
estaria dispensada. Entretanto, no Brasil alguns hospitais não se encontram
adequadamente engajados nos sistemas de emergência e só liberam a equipe
15
depois da avaliação do paciente, o que pode demorar um tempo considerável
dependendo da burocracia e procedimentos operacionais internos do hospital.
Em um momento de urgência, reter uma ambulância com sua equipe no aguardo
da avaliação do paciente é um fator agravante dentro de um sistema carente.
16. Reposição dos materiais usados ou espera para receber o que está com a vítima
Uma prancha, um KED (colete de imobilização) e outros equipamentos não
podem faltar na ambulância. Serviços organizados mantêm nos hospitais de
referência equipamentos e materiais de reposição. A equipe tem as alternativas
de aguardar a liberação do equipamento que está com a vítima, pegar o de
reserva caso exista ou retornar à base para pegar outros equipamentos. A não
existência de equipamento de reserva no hospital obriga por vezes longa espera,
aumentando o tempo de comprometimento da ambulância.
17. Preparo da ambulância (higienização, reordenação dos materiais e
equipamentos) com a ambulância ainda no hospital
Uma ambulância só está pronta para atender uma nova ocorrência se todo o seu
material estiver adequadamente acondicionado e higienizado. Após o
atendimento, deve-se organizar e higienizar todo material utilizado durante os
procedimentos de resgate. A existência de material de reposição no hospital de
referência para onde o paciente foi levado reduz esse tempo.
18. Da ambulância pronta até a informação à central de que está disponível para
outra ocorrência
Depois de totalmente higienizada e com todos os itens repostos e no lugar, a
central deverá ser informada de que a equipe está pronta para atender nova
emergência. Dificuldades na comunicação podem tornar o processo trabalhoso e
demorado.
19. Tempo de retorno à base
Se, ao sair do hospital onde foi entregue a vítima, a ambulância já estiver
higienizada e preparada, estará disponível durante todo o percurso e este tempo
não pode ser computado como tempo indisponível da ambulância. Se, no
entanto, o preparo for necessário e realizado na base, o tempo de retorno fará
parte do tempo total de indisponibilidade da ambulância e sua equipe.
As dezenove atividades apresentadas estão resumidas na figura 3.1 a seguir.
16
Figura 3.1: Fluxograma do processo de atendimento a uma chamada Fonte: www.pbh.gov.br/saude
Atendente recebe a ligação e pega informações básicas como nome de quem ligou e sua relação com a vítima, nome da vítima, endereço da ocorrência, bairro, ponto de
referência e telefone. É de grande importância a correta transmissão dessas informações iniciais.
Médico regulador solicita informações sobre o paciente. Já nesse momento podem ser sugeridos procedimentos emergenciais. De acordo com os resultados, unidades móveis
serão acionadas.
Atendimento telemédico: não havendo necessidade do envio de uma unidade, o chamado é registrado na base de dados do SAMU.
Atendimento móvel: sendo necessário, uma unidade móvel é imediatamente enviada para o local. Pode ser enviado um veículo simples, para remoção ou tratamento de
casos simples, ou uma unidade SAMU completa com toda a aparelhagem para atendimento a emergências no local. Ambos são deslocados com uma equipe de
médico, enfermeiro e motorista.
No local: em alguns casos o atendimento é realizado no local e, de acordo com o diagnóstico do médico, o paciente é imediatamente liberado.
No hospital: não sendo possível o atendimento no local, o paciente é levado para o pronto-socorro mais próximo, onde todas as informações da ocorrência são passadas
para a equipe responsável.
Concluído o atendimento, todas as informações da ocorrência são registradas. Elas serão utilizadas para posteriores análises estatísticas de atendimento.
17
3.3 SAMU DE BELO HORIZONTE
De acordo com dados recentes retirados do site do IBGE – Instituto Brasileiro de
Geografia e Estatística, a cidade de Belo Horizonte (BH) possui uma área de 330.954
km² e uma população estimada de 2.412.937 habitantes (ano 2007). A cidade está
dividida em nove regionais, conforme apresentado na figura 3.2.
O serviço de atendimento móvel de urgência de BH opera 24 horas por dia e conta com
uma base central de regulação além de outras 19 bases espalhadas pela cidade, todas
com um número fixo de ambulâncias (tabela 3.1).
Tabela 3.1: Bases do SAMU em Belo Horizonte
Bases USB USA Região 1 - 1 Pampulha 2 1 1 Venda Nova 3 1 1 Oeste 4 - 1 Centro Sul 5 - 1 Centro Sul 6 1 - Venda Nova 7 1 - Venda Nova 8 1 - Nordeste 9 1 - Noroeste 10 1 - Nordeste 11 2 - Leste 12 1 - Centro Sul 13 1 - Leste 14 1 - Barreiro 15 1 - Norte 16 1 - Pampulha 17 1 - Oeste 18 1 - Barreiro 19 1 - Venda Nova 20 1 - Leste
Ao todo são 17 ambulâncias básicas (USB) e 5 avançadas (USA), sendo que a
ambulância na base 20 é exclusiva para atendimento de casos psiquiátricos mais graves
(ambulância de saúde mental). As unidades básicas são acionadas para atender casos de
gravidade leve e média ou então em auxílio à uma unidade avançada, por estar mais
próxima do local do incidente, sendo composta por motorista socorrista e auxiliar de
enfermagem. As unidades avançadas só são empenhadas em casos realmente graves,
por serem em menor quantidade, compostas por motorista, enfermeiro e médico. A
18
distribuição espacial das unidades pode ser observada na figura 3.2, de acordo com
legenda da tabela 3.1.
Figura 3.2: Distribuição espacial das unidades de resgate
A central de regulação (base 5) é onde acontece toda a triagem e atendimento das
chamadas. Atualmente, conta com 6 teledigifonistas (atendentes que fazem o primeiro
contato com o solicitante), 5 médicos reguladores (decidem sobre o envio ou não de
ambulância, podendo passar orientações médicas pelo telefone caso não seja necessário
o envio) e 3 despachantes (responsáveis pelo despacho da ambulância uma vez
solicitado pelo médico regulador bem como o controle da localização e situação exatas
de cada unidade).
Com relação aos hospitais e centros de atendimento, o Samu trabalha em conjunto com
8 Unidades de Pronto Atendimento (UPA), 6 hospitais e 7 Centros de Referência em
19
Saúde Mental (CERSAM). A decisão da escolha do centro de atendimento é baseada no
tipo de ocorrência (clínico – média ou alta, trauma, psiquiátrico ou gineco-obstétrico),
sendo feita sempre pelo médico regulador da central, nunca pela equipe da ambulância
que realiza o atendimento. A relação dos centros e tipos de ocorrência que recebem está
apresentada na tabela 3.2 e sua distribuição espacial na figura 3.3.
Tabela 3.2: Centros de Atendimento de Belo Horizonte
Centro Atendimento Tipo Natureza da
Ocorrência Região
1 UPA Clínica Média Barreiro 2 UPA Clínica Média Oeste 3 UPA Clínica Média Centro Sul 4 UPA Clínica Média Leste 5 UPA Clínica Média Norte 6 UPA Clínica Média Venda Nova 7 UPA Clínica Média Pampulha 8 UPA Clínica Média Nordeste 9 Hospital Clínica Alta Centro Sul 10 Hospital Clínica Alta e Trauma Centro Sul
11 Hospital Clínica Alta, Trauma e
Gineco-obstétrico Nordeste
12 Hospital Clínica Alta, Trauma Venda Nova 13 Hospital Clínica Alta Barreiro 14 Hospital Clínica Alta Noroeste 15 CERSAM Psiquiátrico Oeste 16 CERSAM Psiquiátrico Barreiro 17 CERSAM Psiquiátrico Noroeste 18 CERSAM Psiquiátrico Leste 19 CERSAM Psiquiátrico Nordeste 20 CERSAM Psiquiátrico Venda Nova 21 CERSAM Psiquiátrico Pampulha
20
Figura 3.3: Distribuição espacial dos centros de atendimento
21
4 MOTIVAÇÃO NO USO DA SIMULAÇÃO
Um sistema médico de emergência pode ser concebido como uma fila única operando
sob um sistema de fila com múltiplos servidores subordinados a um controle central. A
distribuição dos tempos de serviço (figura 4.1) é uma função da quantidade de
ambulâncias que estão ocupadas em um determinado instante t caracterizado pela
chegada de uma chamada. Além disso, a distribuição do tempo de atendimento (figura
4.1) não é a mesma para cada servidor, exceto para o caso em que todas as ambulâncias
estão localizadas na mesma estação. Estas características do processo de atendimento
médico de urgência dificultam imensamente a modelagem analítica deste sistema de
filas, uma vez que a localização dos servidores e a distribuição espacial dos incidentes
em cada localidade influenciam o tempo de deslocamento, que é um componente
significativo do tempo de serviço (FITZSIMMONS, 1971).
Figura 4.1: Seqüência de eventos no atendimento de emergência Fonte: Fitzsimmons (1971)
A modelagem de sistemas reais de atendimento a emergências possui uma
complexidade associada bastante alta, uma vez que tais sistemas são compostos por
vários veículos de tipos diferentes, as solicitações por serviço ocorrem distribuídas no
tempo e no espaço, existe cooperação entre veículos de áreas distintas, podem ocorrer
múltiplos despachos para atender a um mesmo chamado, o tempo médio de viagem
varia de acordo com a região, o dia e o período do dia e ainda existe a possibilidade de
formação de filas de espera. A simulação aparece como uma ferramenta adequada para
lidar com estas questões, considerando aspectos estocásticos relativos às atividades bem
como incertezas associadas ao processo de resgate.
Dentro deste contexto, algumas características associadas à simulação fazem dessa
tecnologia uma ferramenta adequada na análise e solução de problemas da área de
saúde:
Atraso no
envio do
resgate
Espera por
ambulância
disponível
Tempo de
viagem da
ambulância
Tempo de
atendiment
o local
Tempo de
transporte
para hospital
Tempo
transferência
no hospital
Tempo de Resposta
Tempo de Espera Tempo de Serviço
22
i. Modelos de simulação enfatizam a representação direta da estrutura e lógica de
um sistema, ao invés de abstrair o sistema na forma de um modelo estritamente
matemático (STANDRIDGE, 1999);
ii. Diferentes alternativas podem ser testadas sem a preocupação que conseqüências
negativas possam atrapalhar ou danificar as operações diárias (STANDRIDGE,
1999);
iii. Utilizando a simulação, pode-se definir e avaliar qualquer medida de
desempenho que seja de interesse, incluindo aquelas que são particulares de um
determinado sistema (STANDRIDGE, 1999);
iv. Um estudo de simulação bem conduzido pode ser útil no auxílio à organização
do processo de tomada de decisão da empresa, documentação dos pressupostos
subjacentes às decisões e identificação de potenciais áreas problemas
(LOWERY, 1996);
v. Sistemas na área de saúde são definidos por atividades e procedimentos
caracterizados muitas vezes por um alto grau de incerteza e variabilidade, sendo
adequado o uso de uma abordagem estocástica para tratamento e análise dos
eventos de interesse, característica da simulação (BRAILSFORD, 2007);
vi. A abordagem de modelagem por simulação é capaz de lidar de maneira eficaz
com a complexidade inerente aos processos que são característicos das
organizações de saúde (BRAILSFORD, 2007);
vii. A simulação a eventos discretos permite ao programador associar às entidades
todas as características humanas necessárias de idade, sexo, diagnóstico, grupo
sanguíneo, cor do cabelo, etc. Desta maneira, distribuições de tempos de serviço
podem ser dependentes de características individuais das entidades, e qualquer
distribuição empírica ou paramétrica pode ser utilizada para modelar a duração
de atividades (BRAILSFORD, 2007).
23
5 REVISÃO DE LITERATURA
5.1 SIMULAÇÃO A EVENTOS DISCRETOS
Simulação, de acordo com Shannon (1975 apud Ingalls, 2008) é o processo de
concepção de um modelo representativo de um sistema real e a condução de
experimentos com o objetivo de entender o comportamento deste sistema ou avaliar
diferentes estratégias (dentro dos limites impostos por critérios) para sua operação.
Se as relações que fazem parte deste modelo são relativamente simples, pode ser
possível o uso de modelos matemáticos (tais como álgebra, cálculo ou teoria da
probabilidade) para obtenção de informações exatas sobre questões de interesse;
denominada de solução analítica. Entretanto, a maior parte dos sistemas reais são
caracterizados por uma alta complexidade, não permitindo modelos realísticos serem
avaliados analiticamente, e tais modelos devem ser estudados utilizando-se da
simulação. No processo de simulação, utiliza-se de um computador para avaliar um
modelo numericamente e coletar informações de maneira a estimar as características
reais do modelo (LAW, 2007).
De acordo com Law (2007), a simulação a eventos discretos lida com a modelagem de
sistemas que evoluem no tempo através de uma representação em que as variáveis de
estado mudam instantaneamente em pontos separados no tempo. Para este contexto, um
sistema pode ser definido como um conjunto de elementos que interagem entre si no
desempenho de uma função visando alcançar algum objetivo.
Podemos classificar os diferentes modelos representativos de sistemas reais da seguinte
maneira:
• Estáticos ou dinâmicos: modelos estáticos são aqueles que visam representar o estado
de um sistema em um instante ou que em suas formulações não se leva em conta a
variável tempo, enquanto que os modelos dinâmicos são formulados para representarem
as alterações de estado do sistema ao longo da contagem do tempo de simulação;
• Determinísticos ou estocásticos: são modelos determinísticos aqueles que em suas
formulações não fazem uso de variáveis aleatórias, enquanto os estocásticos podem
empregar uma ou mais;
24
• Discretos ou contínuos: são modelos discretos aqueles em que o avanço da contagem
de tempo na simulação se dá na forma de incrementos cujos valores podem ser
definidos em função da ocorrência dos eventos ou pela determinação de um valor fixo,
nesses casos só é possível determinar os valores das variáveis de estado do sistema nos
instantes de atualização da contagem de tempo; enquanto para os modelos contínuos o
avanço da contagem de tempo na simulação dá-se de forma contínua, o que possibilita
determinar os valores das variáveis de estado a qualquer instante.
Em qualquer modelo de simulação existem alguns termos que são utilizados para
caracterização do sistema e representação de seu funcionamento ao longo do tempo de
execução. A seguir, são apresentadas algumas dessas terminologias, exemplificadas na
tabela 5.1.
• Entidades: qualquer objeto de interesse no sistema;
• Atributos: características específicas de uma entidade;
• Atividade: algo que, para ser realizado, consome uma certa quantidade de tempo;
• Estado do sistema: conjunto de variáveis necessárias para descrever o sistema em um
dado instante;
• Evento: qualquer ocorrência instantânea que pode mudar o estado do sistema.
Tabela 5.1 – Elementos da simulação (exemplos)
Sistema Exemplo Entidade
Exemplo Atributo
Exemplo Atividade Exemplo Evento Exemplo Variáveis
Fábrica Máquina Taxa de quebra Usinagem Ocorrência de uma quebra
Nº de máquinas esperando manutenção
SAMU Chamada Região de origem da chamada
Atendimento médico local
Chegada de uma nova chamada
Nº de chamadas recebidas de uma
determinada região
A figura 5.1 a seguir esquematiza a relação dos diversos elementos de um modelo de
simulação apresentados. De maneira resumida, entidades possuem atributos que as
caracterizam, podendo interagir através de atividades. A ocorrência de um evento, como
por exemplo a chegada de uma nova chamada à central de regulação, provoca uma
mudança de estado no sistema, caracterizada por alterações nos valores de variáveis
e/ou atributos, ocupação de recursos, posição das entidades no sistema, etc.
25
Figura 5.1: Interação entre os elementos de um modelo de simulação
5.2 SIMULAÇÃO APLICADA AO SERVIÇO MÉDICO DE EMERGÊNCIA
(SME)
A utilização das técnicas de simulação na área de saúde como ferramenta para análise e
melhoria de processos tem demonstrado adequação em diferentes aplicações
envolvendo avaliação de projetos, dimensionamento de recursos, revisão de
procedimentos e protocolos de atendimento a pacientes, avaliação da capacidade
instalada e políticas operacionais. O artigo de Lange (1999) faz referência a diversos
trabalhos de simulação voltados para análise de investimentos na área médico
hospitalar, envolvendo aspectos de planejamento logístico, construção de novas
unidades de atendimento e planejamento cirúrgico.
A revisão de simulação aplicada ao serviço médico de emergência está estruturada da
seguinte maneira: dificuldades e barreiras no uso da simulação em projetos na área de
saúde bem como medidas preventivas para contornar tais aspectos, contextualização
histórica e apresentação de trabalhos envolvendo o uso desta ferramenta nas diversas
áreas relacionadas ao atendimento de pacientes e fluxo de informações e por fim uma
ENTIDADES
ATRIBUTOS
ATIVIDADES
POSSUEM
INTERAGEM NAS
SISTEMA
EVENTO
MUDANÇA DE ESTADO
ENTIDADES
ATRIBUTOS
ATIVIDADES
POSSUEM
INTERAGEM NAS
SISTEMA
26
referência a trabalhos envolvendo explicitamente o processo de atendimento móvel de
urgência.
De acordo com Brailsford (2007), modelos de simulação na área de saúde podem ser
classificados em três grupos: modelos do corpo humano, representativos de processos
biológicos em indivíduos saudáveis ou análise clínica da eficiência de alguma
intervenção/tratamento; modelos operacionais ou táticos, cujo foco está na modelagem
dos fluxos de pacientes pelo sistema e identificação dos gargalos; e modelos
estratégicos, focados em responder questões a longo prazo relativas ao planejamento
estratégico da organização (configuração do sistema de atendimento, projeções com
relação à quantidade de funcionários, etc.).
As crescentes mudanças no fornecimento de serviços de saúde ao redor do mundo estão
forçando os gestores e analistas deste tipo de sistema a adotarem novas ferramentas no
planejamento e avaliação de processos. Além da pressão para entrega de serviços de
melhor qualidade à partir de recursos restritos, o uso crescente de métricas para
monitorar e gerenciar o fornecimento de cuidados médicos tem implicado na
necessidade de um maior entendimento dos resultados decorrentes da melhora em um
determinado serviço antes de sua real implantação (ELDABI e YOUNG, 2007).
A aplicação de métodos de simulação na área de saúde, conforme motivação
apresentada, tem sido reconhecida por sua capacidade de enfrentar e representar de
maneira clara e eficiente os desafios inerentes aos processos característicos das
organizações de saúde, como hospitais, centros de atendimento, clínicas, etc.
Entretanto, diversos autores na literatura levantam questões relacionadas às barreiras e
dificuldades no uso desta ferramenta dentro do contexto de sistemas médicos de
atendimento, como por exemplo:
i. Natureza altamente técnica da simulação, considerando a percepção de que o
tempo, esforço e habilidades envolvidas no processo de desenvolvimento,
validação e experimentação de um modelo de simulação não compensam os
benefícios esperados (LOWERY, 1996);
27
ii. Muitos profissionais da área médica e administradores duvidam da capacidade
de modelos computacionais conseguirem capturar a complexidade e o caráter
imprevisível das atividades concernentes à área de saúde (LOWERY, 1996);
iii. Duas grandes preocupações surgem freqüentemente quando profissionais da
saúde se deparam com os resultados de um modelo de simulação: a simulação
não fornece a única e melhor solução para o problema em questão e os modelos
não são capazes de predizer o futuro (LOWERY, 1996);
iv. Grande número de partes envolvidas com prioridades muitas vezes conflitantes,
dificultando principalmente a etapa de implementação (HAKES et al., 1994);
v. Falta de familiaridade com o processo e terminologia das técnicas de simulação
(HAKES et al., 1994);
vi. Falta de incentivos e a dependência contínua dos gestores dos hospitais em
tomada de decisões determinísticas (HAKES et al., 1994);
vii. Em algumas situações, a única fonte para determinação dos valores de um
parâmetro de entrada do modelo desenvolvido é a opinião de um especialista,
não existindo histórico de informações que possam ser tratadas estatisticamente
(STANDRIDGE, 1999);
viii. Muitos estudos são conduzidos partindo de uma dada solução (em termos de
ferramental) e buscando identificar um problema na área de saúde que se adéqüe
a esta solução, ao invés de começar a partir de um problema real (KULJIS et al.,
2007);
ix. Dificuldade na avaliação sistemática do impacto a longo prazo de políticas
complexas na área de saúde, como por exemplo metas de tempos de espera,
parcerias público-privadas, etc. (KULJIS et al., 2007).
De maneira a lidar com estas limitações buscando minimizar as dificuldades e possíveis
impactos nos resultados gerados pelo modelo desenvolvido, podemos destacar algumas
medidas relacionadas à boa prática nas diversas etapas de condução de um projeto de
simulação.
Segundo Gonçalves (2004) ao se elaborar um modelo de simulação para a melhoria dos
processos hospitalares, alguns requisitos devem ser seguidos:
a. Facilidade de Utilização: o sistema desenvolvido deve ser suficientemente
acessível aos gerentes da área de saúde para facilitar o entendimento do modelo
28
de simulação e permitir a entrada de novos parâmetros para controle e
experimentação de novos cenários (o que acontece se...).
b. Transparência: animação e elementos visuais devem estar disponíveis para
permitir que observadores facilmente visualizem os elementos chave da
simulação e que aumentem a confiança das capacidades do modelo elaborado e
do sistema desenvolvido. De acordo com Bodtker et al. (1993), para aqueles que
não estão familiarizados com simulação, mas sim com o processo que está sendo
modelado, a animação pode fornecer uma melhor compreensão de suas relações
fundamentais. Este aspecto é particularmente importante para o gerenciamento
na área de saúde.
c. Interação: deve ser possível para os usuários finais do sistema visualizar e
controlar toda a simulação e seus resultados. Idealmente algumas mudanças
devem ser possíveis de forma interativa para agilizar o processo de observação.
d. Flexibilidade e Versatilidade: o sistema deve permitir uma grande variação dos
parâmetros do modelo para suportar que sejam criados e analisados vários
cenários de forma ágil e precisa. Idealmente o sistema deve oferecer uma vasta
faixa de possibilidades que permita uma investigação de cenários de forma
interativa.
e. Validação: o modelo deve ser completamente validado contra os dados reais do
processo estudado para que os usuários do sistema tenham plena confiança nessa
ferramenta e utilizem os resultados obtidos. Métodos e critérios claros para a
validação devem ser empregados.
Outros aspectos importantes para a condução de um projeto de simulação na área da
saúde levantados à partir da literatura são: os parâmetros de análise fornecidos pela
simulação devem incluir taxas de operação ou medidas de desempenho rotineiramente
utilizadas na organização (HAKES et al., 1994); para se chegar à aceitação de qualquer
solução, independente de sua origem, é imperativo que todos os membros do grupo a
ser afetado de alguma maneira com o projeto estejam envolvidos no processo de tomada
de decisão (HAKES et al., 1994) e importante garantir que o modelo inclua todos os
componentes relevantes da operação do sistema (STANDRIDGE, 1999).
Os primeiros esforços de aplicação dos conceitos de simulação na área de saúde
remontam à década de 60, com o trabalho de Fetter e Thompson (1966), que
29
desenvolveram modelos para solucionar problemas relacionados ao agendamento de
consultas de pacientes. Foram capazes de identificar variáveis importantes na avaliação
da utilização do quadro médico, tais como taxa de chegada de pacientes, chegada
antecipada ou tardia, adiamentos, intervalos de agendamento e paradas devido à troca de
turnos dos médicos.
Desde então, a utilização destas técnicas no contexto de atendimento médico tem
reforçado a importância e viabilidade da simulação como ferramenta para análise e
melhoria dos processos relacionados à gestão hospitalar. Hoje diversos trabalhos de
sucesso abordando diferentes aspectos deste tipo de sistema estão largamente
difundidos na literatura, tanto na área de pesquisa operacional como na literatura
médica. A seguir são apresentados exemplos de alguns destes estudos e outras
referências para consulta.
Wears e Winton (1993) desenvolveram um modelo de simulação discreto-contínuo
focado no atendimento de emergência para acidentes de trauma (conjunto de um ou
mais distúrbios físicos e/ou psíquicos, ocasionados por um agente interno ou externo).
O modelo foi implementado em SIMSCRIPT II.5 e utilizado para determinar o efeito
provocado nas variáveis de saída decorrentes de mudanças nos critérios de triagem para
determinação do centro médico a que um paciente deve ser transportado, critérios para
decisão entre transporte aéreo (helicóptero) ou terrestre (ambulância) e políticas de
desvio (circunstâncias nas quais um hospital deve desviar novas chegadas de pacientes
para outro centro médico). Estes fatores foram mensurados a partir de duas
perspectivas: ponto de vista do sistema (número de pacientes atendidos, proporção de
utilização de cada centro de atendimento nos níveis considerados, etc.) e ponto de vista
do paciente (tempo até início do atendimento, mudança na probabilidade de
sobrevivência). A decisão entre o uso de um helicóptero ou ambulância para transporte
do paciente foi feita com base no tempo estimado de transporte até o centro médico e
gravidade do acidente, esta última determinada por um parâmetro denominado “trauma
score” (para maiores referências, vide Champion et al., 1989). Os parâmetros de
entrada foram estimados com base nos dados obtidos do serviço de atendimento médico
e corpo de bombeiros da cidade da Flórida, EUA, e o modelo foi validado comparando
os dados de saída com dados relativos aos tipos de incidentes, padrões de transporte e
índices de sobrevivência, dados estes publicados na literatura e em registros de trauma
30
mantidos pelo Centro Médico Universitário de Jacksonville (University Medical Center
of Jacksonville). Com o estudo foi possível mostrar que a política de triagem para os
casos de trauma tinha pouco efeito sob a ocupação geral do sistema, contradizendo o
consenso comum de especialistas na área. O processo de reclassificação de pacientes
com enfermidades menos graves como sendo graves, caso um centro de atendimento
adequado esteja “razoavelmente” próximo, teve um impacto muito maior sob as
variáveis de análise do sistema.
Um modelo de simulação específico para transporte aéreo de emergência pode ser
encontrado no trabalho de Gunes e Szechtman (2005).
De Oliveira (1995) apresenta um modelo de simulação visual 3D desenvolvido em C++
e aplicado em problemas relacionados ao gerenciamento da admissão de pacientes em
hospitais. O setor de admissão de um grande hospital de ensino na cidade do Rio de
Janeiro foi utilizado para estudo e validação do modelo, motivado por problemas
freqüentes de congestionamento e longas filas no departamento de emergência. Um
modelo do sistema foi projetado de maneira a identificar os principais pontos de
congestionamento e analisar políticas alternativas de admissão. Resultados preliminares
mostraram que o lay-out do departamento influenciava de maneira decisiva na
administração do setor, sendo propostas novas configurações visando otimizar o
processo de admissão.
Nos anos recentes diversos trabalhos na área de saúde foram desenvolvidos com
objetivo de aplicar as técnicas de simulação para otimização do fluxo de pacientes
dentro dos hospitais, visando identificar configurações de lay-out e seqüência de
procedimentos que melhor se adaptem a um determinado tipo de serviço e buscando
minimizar o tempo de espera dos pacientes.
No processo de atendimento de emergência, a seqüência de operações disponíveis após
a chegada no hospital pode ser estruturada de modo simplificado da seguinte maneira:
durante a chegada, pacientes em situações mais críticas são imediatamente alocados a
um quarto. Todos os outros pacientes passam por um processo de registro onde
fornecem algumas informações pessoais e relativas à causa da consulta. A enfermeira de
plantão faz uma triagem preliminar dos casos, e o médico responsável se baseia nesta
31
triagem para fazer o atendimento das emergências consideradas menores. O
departamento de emergência tem capacidade para realizar alguns procedimentos de
diagnósticos, enquanto outros devem ser feitos em algum laboratório externo ao
hospital. O processo de liberação é seguido pelo checkout, que inclui registro completo
e verificação do seguro ou pagamento feito. Caso o cuidado médico necessário para o
tratamento de pacientes em estado grave não esteja disponível, estes são alocados a
alguma outra unidade médica capaz de atender satisfatoriamente o incidente.
Pérez et al. (2008) estudaram o processo de chegada de pacientes em um centro médico
na cidade de Medellín, Colômbia, e utilizaram técnicas de simulação a eventos discretos
e um modelo de programação linear para reduzir o tempo de espera em filas nos
diversos setores do centro. O modelo de simulação desenvolvido indicou que a fila na
qual os pacientes gastam maior quantidade de tempo é aquela referente ao centro de
admissão. Um modelo de programação linear foi desenvolvido para identificar o melhor
seqüenciamento dos atendentes deste setor nos diferentes horários de atendimento, de
maneira a atingir um tempo de fila pré-especificado pela gerência do centro médico
como sendo o ideal. A solução obtida foi implementada e verificada uma redução real
no tempo de fila para o setor.
Trabalhos em áreas afins foram desenvolvidos e implementados ao longo dos anos em
casos reais de atendimento médico emergencial e hospitalar. Medeiros, Swenson e
DeFlitch (2008) apresentam uma abordagem utilizando simulação computacional para
melhoramento do fluxo de pacientes dentro de hospitais, Ramis et al. (2008)
desenvolveram um simulador orientado a objetos para simulação de tempos de espera
de pacientes em centros médicos de imagens e Meng e Spedding (2008) utilizaram das
técnicas de simulação para análise do processo de chegada de um hospital de
emergência buscando reduzir o tempo de espera por atendimento.
Outros trabalhos podem ser encontrados nas áreas de dimensionamento de capacidade
(De Oliveira e Junior, 2007; Coelli et al., 2006 e Miller et al., 2008), planejamento e
design de hospitais (Gibson, 2007), modelagem de inventário para produtos perecíveis
(Vila-Parish, Ivy e King, 2008), otimização do cronograma de trabalho de funcionários
(Takakuwa e Wijewickrama, 2008), manutenção de equipamentos hospitalares (Lima
Filho et al. 2008), dentre outros.
32
O trabalho de Fone et al. (2003) apresenta um estudo de revisão buscando avaliar a
extensão e qualidade de modelos de simulação aplicados às mais diversas áreas da
saúde, como por exemplo fluxo de pacientes, análise econômica, seqüenciamento das
atividades de atendimento, dentre outros. Foram analisados trabalhos que apresentavam
um modelo computacional de simulação de indivíduos em um sistema estocástico e que
estavam diretamente relacionados à saúde. Um total de 182 artigos atenderam aos
requisitos da pesquisa e foi possível concluir que apesar do aumento crescente de
publicações nesta área, principalmente à partir da década de 90, existe ainda uma
variação muito grande quanto à qualidade dos artigos apresentados, sendo que poucos
trabalhos reportaram resultados da implementação do modelo na organização em
estudo.
Um dos primeiros trabalhos envolvendo a aplicação de técnicas de simulação para
modelagem e análise de sistemas de atendimento móvel de urgência foi desenvolvido na
década de 70 por Fitzsimmons (1971). Um modelo de simulação foi implementado
utilizando a linguagem SIMSCRIPT para uso geral por parte de gestores de sistemas de
saúde, de maneira a auxiliar a avaliação de sistemas médicos de emergência existentes
ou em fase de planejamento. O modelo foi desenvolvido em duas partes: um programa
para geração dos incidentes com as informações descritivas necessárias como localidade
de origem e tipo de lesão, e um simulador principal para simular o comportamento do
sistema e gerar um relatório de seu desempenho após cada rodada de testes. A validação
foi feita utilizando-se dados reais de San Fernando Valley, uma área da cidade de Los
Angeles, EUA. Duas estratégias para localização de ambulâncias foram consideradas:
um único hospital central onde todas as ambulâncias permanecem estacionadas
esperando o acionamento para o atendimento médico e a segunda onde as ambulâncias
ficam dispersas dentro da área de serviço considerada. Com os resultados foi possível
determinar o número ideal de ambulâncias a serem utilizadas no caso do serviço de
atendimento de urgência de San Fernando Valley, considerando padrões de qualidade
pré-estabelecidos com relação ao tempo de atendimento.
Nos anos recentes, diversas outras aplicações no contexto de serviços móveis de
urgência médica foram desenvolvidos tendo como base as técnicas de simulação. A
33
seguir seguem detalhados três destes trabalhos seguidos de algumas referências na
literatura de projetos semelhantes.
Su e Shih (2003) desenvolveram um modelo de simulação a eventos discretos para
avaliar o sistema de atendimento médico de emergência em operação na cidade de
Taipei, Taiwan. O estudo focou em 23 hospitais habilitados para atendimento de
emergência e 36 centros de atendimento. O sistema na época do estudo atuava em
conjunto com o corpo de bombeiros, que fornecia o atendimento médico básico (no
caso de ocorrências menos graves) através do envio de uma unidade básica de
atendimento (BLS). Os hospitais integrantes da rede de atendimento de emergência da
cidade provia a população com o atendimento médico avançado (ALS) sempre que as
ocorrências assim o exigissem. Centrais de atendimento recebiam as chamadas e
acionavam as unidades necessárias para o atendimento. Após transporte do paciente
para o hospital, as unidades ALS permaneciam disponíveis para novo atendimento e as
BLS retornavam para sua base de operação. Foram utilizados dados históricos do mês
de dezembro de 2000 de maneira a estimar a distribuição de probabilidade associada a
cada parâmetro de entrada do modelo: intervalo entre chegada de chamadas, tempo de
preparação, resposta, processamento, transporte, atendimento e retorno. Foram
analisadas alternativas buscando centralizar os centros de atendimento, variações no
número de unidades ALS e BLS e mudanças nas áreas de atuação de cada centro. Com
o modelo desenvolvido foi possível identificar e propor melhorias que resultaram na
diminuição do atraso entre a chegada de uma chamada e o despacho de uma ambulância
em 50% e na diminuição da probabilidade de pacientes terem de esperar pelo despacho
do resgate para menos de 1%. O modelo considerou diferenças nos tempos de
atendimento para o caso de unidades avançadas ou básicas e com relação à taxa de
chegada para centros diferentes. No entanto, tempos de deslocamento das ambulâncias
não foram analisados levando em conta dias diferentes na semana e horários diferentes
no mesmo dia.
Garcia (2006) desenvolveu em sua dissertação de mestrado um estudo semelhante ao
proposto. Considerou as chamadas provenientes da região metropolitana de Niterói para
dimensionar o número de atendentes na central telefônica do serviço de atendimento
móvel de urgência da cidade, visando alcançar um nível de satisfação (tempo de espera
para ser atendido e quantidade de chamadas em espera) estabelecido pela gerência do
34
SAMU, considerando um aumento na demanda. Constatou-se que o número atual de
atendentes não é adequado quando comparado com padrões internacionais de
atendimento, e foi possível verificar que as ligações que não acionam o sistema (trotes e
enganos, principalmente) são as que mais contribuem para a taxa de utilização elevada
dos atendentes. Considerando o cenário atual, foram simuladas alternativas buscando
identificar a quantidade ideal de funcionários na central telefônica, sendo constatado
que a fila de espera se aproxima bastante de zero com um número de quinze atendentes.
Além desta análise, foi desenvolvido um modelo de simulação integrando as regiões de
Niterói e São Gonçalo, buscando identificar a configuração mais adequada com relação
à quantidade de ambulâncias em operação. Neste estudo, foram considerados apenas os
incidentes encaminhados para o Hospital Universitário Antônio Pedro. Os parâmetros
de entrada, como tempos entre chamadas, preparo das ambulâncias, deslocamento até
local do incidente, atendimento local, remoção até o hospital, recepção e tempo de
retorno à base foram retirados do banco de dados do SAMU e tratados estatisticamente
de maneira a se obter uma distribuição de probabilidade representativa de suas
características. O modelo integrado retornou o número ideal de ambulâncias
considerando tempo de espera e tamanho da fila. O estudo não considerou aspectos
como melhor localização das unidades de resgate e nem valores de custos associados a
cada alternativa.
Takeda (2000) utilizou do modelo hipercubo de filas para avaliar o melhor
posicionamento de ambulâncias na cidade de Campinas, São Paulo. Segundo a autora, o
modelo hipercubo é uma ferramenta que possibilita a avaliação não só do nível de
serviço oferecido com base em uma determinada configuração, como também o impacto
de decisões tomadas para o sistema. O modelo baseia-se na partição da região de
atuação do sistema em um conjunto finito de áreas geradoras de demanda. Cada
elemento deste conjunto é considerado como uma fonte pontual independente de
solicitação de serviço ao longo do tempo. O atendimento é realizado por servidores
distribuídos na região e que, quando disponíveis, podem estar fixos em alguns pontos ou
em movimento. Entretanto, Goldberg et al. (1990) afirmam que as fraquezas deste
modelo incluem o pressuposto do tempo de serviço ser exponencialmente distribuído e
dificuldades computacionais para problemas com muitos veículos. O nome hipercubo
deriva do espaço de estados que descreve o status dos servidores. Com o modelo
desenvolvido foi possível identificar que a descentralização de ambulâncias era a
35
melhor alternativa para elevar o nível de serviço oferecido pelo sistema de atendimento
médico analisado. Entretanto, algumas hipóteses de simplificação foram assumidas para
facilitar o uso do modelo hipercubo que serão descartadas na realização do presente
trabalho. Os tempos de preparação da equipe, viagem de ida, tempo em cena e viagem
de volta foram estimados como valores médios de todos os dados coletados em campo,
sem diferenciação da região de origem do incidente, dia da semana e horário, fatores
estes que influenciam diretamente nos valores dos tempos citados.
As tabelas 5.2 e 5.3 apresentam um compilado de padrões e tempos de atendimento,
respectivamente, retirados da literatura pesquisada. O objetivo não é o de comparação
direta com a realidade do Samu de Belo Horizonte, uma vez que tal análise necessitaria
de uma série de outras informações (área da região, população atendida, tipos de
ambulância, quantidade de ambulâncias, centros de atendimento, etc.) que não estão
todas disponíveis para os trabalhos referenciados. Procurou-se apenas apresentar um
compilado dos trabalhos pesquisados na literatura para referências futuras e
exemplificar os parâmetros de resposta mais comuns para análise de sistemas de
atendimento móveis de urgência.
36
Tabela 5.2: Padrões de tempos de resposta retirados da literatura
Fonte Área da Região Padrão Observado Goldberg et al.(1990) Tucson, Arizona
(população: 365.000) 95% abaixo de 8' 92% abaixo de 8'
-
Repede e Bernardo (1994) Louisville, Kentucky (população: 713.877)
95% abaixo de 10'
84% abaixo de 10'
-
Henderson e Mason (1999) Auckland, Nova Zelândia (população: 1.29 milhões)
80% abaixo de 10'
-
95% abaixo de
20' Holloway et al. (1999)
Warwickshire, Inglaterra (população: 500.000)
50% abaixo de 8' 75% abaixo de 8'
95% abaixo de
14' -
McGrath (2002) Londres, Inglaterra (população: 3 milhões)
50% abaixo de 8' 36% abaixo de 8'
95% abaixo de
14' 91% abaixo de
14'
Pons e Markovchick (2002) Denver, USA (população: 600.000)
90% abaixo de 8' 70% abaixo de 8'
-
Ingolfsson et al. (2003) Edmonton, Canadá (população: 600.000)
90% abaixo de 9' -
Woollard et al. (2003) Inglaterra (população: 51.2 milhões)
75% abaixo de 8' 64% abaixo de 8'
95% abaixo de
14' -
Su e Shih (2003) Taipei, Taiwan (população: 2.6 milhões)
87% abaixo de 8'
-
Aringhieri et al. (2007) Milano, Itália (população: 1.3 milhões)
100% abaixo de 8'
60% abaixo de 8'
-
Budge et al.(2008) Calgary, Canadá (população: 1.14 milhões)
90% abaixo de 9' -
Adaptado de Singer e Donoso (2008)
37
Tabela 5.3: Tempos de atendimento de diferentes localidades (valores em minutos)
Trabalho Localidade População Área (km²) T. Resposta T. em Cena T. Total
Fitzsimmons e Srikar (1982) Austin / Texas 757.688 767 11,81 15 -
Brandeau e Larson (1986) Boston / Massachusetts 600.000 135 - 6,55 27,89
Middleton e Trent (1988) West Virginia / EUA 1.812.035 63 13,57 - -
James (1990) Nova York / EUA 8.104.079 1.214 8,5 - -
Lim e Seow (1993) Cingapura 4.839.400 710 11,4 19,1 -
Repede e Bernardo (1994) Louisville / Kentucky 713.877 1.032 5,46 - - Takeda (2000) Campinas / SP 1.039.297 796 12,04 38 63 Al-Ghamdi (2002) Riyadh / Arábia Saudita 5.900.000 1.554 10,23 15,2 61,19 Su e Shih (2003) Taipei / Taiwan 2.600.000 272 5,21 14,74 37,75 Garcia (2006) Niterói e São Gonçalo / RJ 1.460.744 379 17,25 29,26 63,3 CTMH* (2007) Toronto / Canadá 2.481.494 630 11,97 - - HCEMS** (2007) Huron County / Ontario 59.325 - 18,07 - - Wilde (2008) Utah / USA 2.469.585 213 8,46 18,27 48,05 NSWDH*** (2008) South Wales / Wales 2.100.000 - 10,1 - -
T. Resposta = tempo na central de regulação + tempo de viagem T. Total = tempo de viagem + tempo em cena + tempo de retorno
* CTMH: City of Toronto Ministry of Health
** Huron County Emergency Medical Services *** New South Wales Department of Health
38
A seguir estão explicitados outros trabalhos de aplicações de técnicas de simulação para
modelagem de sistemas de atendimento móveis de urgência, compilados na tabela 5.4:
Koch e Weigl (2003) – comparação de políticas de coordenação central e
descentralizada no serviço de atendimento de emergência da Cruz Vermelha na Áustria;
Aringhieri et al. (2007) – modelos de programação linear inteira para localização de
unidades de atendimento médico e desenvolvimento de um modelo de simulação para
teste das soluções geradas, tendo como base a cidade de Milano, Itália; Henderson e
Mason (1999) – simulação do serviço de ambulâncias na cidade de Auckland, Nova
Zelândia, através de um modelo integrado de simulação da chegada de chamadas e
roteirização das ambulâncias, buscando quantificar o impacto do crescimento e
expansão da população nos tempos de atendimento do serviço médico e Goldberg et al.
(1990) – estudo de localização de bases de operação e determinação de políticas de
despacho de unidades do corpo de bombeiros na cidade de Tucson, Arizona.
Tabela 5.4: Trabalhos de simulação de serviços de atendimento móveis de urgência desde a década de 90
Autor Modelo Implementação Localidade
Goldberg et al. (1990) SED* Pascal Tucson / Arizona
Repede e Bernardo (1994) SED* SIMSCRIPT II.5 Louisville / Kentucky
Henderson e Mason (1999) SED* C++ Auckland / New Zealand
Takeda (2000) hipercubo de filas Pascal Campinas / São Paulo
Shih e Su (2003) SED* eM-Plant Taipei / Taiwan
Koch e Weigl (2003) SED* ARENA Áustria
Garcia (2006) SED* ARENA Niterói e São Gonçalo /
RJ
Aringhieri et al. (2007) agent-based simulation
AnyLogic Milano / Itália
* Simulação a eventos discretos
39
6. ANÁLISE DO BANCO DE DADOS
Para análise das características das chamadas e processos de operação da central de
regulação, utilizou-se o banco de dados do Samu com informações do período de
outubro de 2006 até agosto de 2009, contendo todos os dados relativos à descrição da
chamada (quem atendeu, horários, região de origem, tipo da chamada, procedimentos
adotados, ambulância despachada, etc.). Ao todo foram registradas 1.734.416 chamadas
neste período. Muitos dados não puderam ser aproveitados devido a erros de entrada
que provocaram inconsistência dos mesmos.
6.1 CHEGADA DAS CHAMADAS
Com o objetivo de estimar a demanda pelo serviço do Samu, um levantamento das
chamadas recebidas no período de outubro de 2006 a agosto de 2009 foi realizado,
conforme apresentado na figura 6.1. Importante ressaltar que o banco analisado sofreu
uma alteração na maneira e forma de registro das informações à partir do final do ano de
2008. Pode-se observar pela figura 6.1 um crescimento elevado na quantidade de
chamadas de novembro de 2008 para dezembro de 2008. Logicamente que este
crescimento (20.974 chamadas) não se deve exclusivamente a um maior número de
chamadas feitas pela população, mas está levando em conta esta alteração no banco,
resultando em um número de chamadas registradas mais elevado à partir deste período.
Mesmo assim, a quantidade de chamadas desde o ano de 2006 foi plotada no mesmo
gráfico para mostrar a tendência de crescimento na quantidade de chamadas recebidas,
fortalecendo a motivação para o desenvolvimento do trabalho.
40
Figura 6.1: Evolução no número de chamadas (out/2006 – ago/2009)
A distribuição da quantidade de chamadas por dia e por horário foi feita utilizando os
dados dos últimos meses de 2009 disponíveis no banco de dados (foram considerados os
meses de março a junho de 2009). Os quatro meses utilizados forneceram dados
suficientes para identificação de alguma possível tendência de crescimento. Os meses de
janeiro, fevereiro e julho foram desconsiderados por serem período de férias, com uma
diminuição no fluxo de pessoas e veículos na cidade. Como a tendência é no aumento
do número de chamadas com o passar do tempo (mantidos todos os fatores internos e
externos que influenciam o sistema inalterados), a estimativa utilizando dos meses
considerados mais demandantes e somente dados de 2009 procurou levar em conta tal
constatação, dado que o modelo foi desenvolvido e testado ao final de 2009. A análise
foi feita para cada dia considerando períodos de uma hora cada, resultando em vinte e
quatro faixas de horários no total (tabela 6.1). Para implementação do modelo
computacional, utilizou-se as taxas apresentadas na tabela 6.1, também discretizadas por
dia e por horário. A implementação computacional desenvolvida considera que tais
taxas seguem a distribuição de Poisson, consequentemente os intervalos entre chegadas
seguirão uma distribuição exponencial.
A distribuição da chegada de chamadas por dia e por horário (Anexo II) foi importante
para identificação dos horários de pico de funcionamento do sistema. Para os dias úteis,
observa-se uma clara tendência de crescimento no número de chamadas à partir das 6
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
50.000
55.000
60.000
65.000
ou
t/0
6n
ov/
06
dez
/06
jan
/07
fev/
07
mar
/07
abr/
07
mai
/07
jun
/07
jul/
07
ago
/07
set/
07
ou
t/0
7n
ov/
07
dez
/07
jan
/08
fev/
08
mar
/08
abr/
08
mai
/08
jun
/08
jul/
08
ago
/08
set/
08
ou
t/0
8n
ov/
08
dez
/08
jan
/09
fev/
09
mar
/09
abr/
09
mai
/09
jun
/09
jul/
09
ago
/09
Nú
me
ro d
e C
ha
ma
da
s R
ece
bid
as
Meses
41
horas da manhã, quando muitas pessoas estão saindo para trabalhar, seja utilizando
algum veículo ou deslocando à pé. Existem dois picos para o processo de chegada, tanto
para dias úteis quando para finais de semana, sendo o primeiro de 11:00 até 13:00
(horário de almoço) e o segundo de 18:00 até 20:00 (horário de fim de expediente e
retorno para casa).
Tabela 6.1: Quantidade média de chamadas por dia e horário (março a junho de 2009)
Horário / Dias Segunda Terça Quarta Quinta Sexta Sábado Domingo 00:00 - 00:59 41,44 31,56 30,71 37,88 38,47 50,41 61,00 01:00 - 01:59 32,56 23,22 24,00 25,76 23,24 37,06 52,67 02:00 - 02:59 21,78 17,50 17,76 18,18 22,59 32,76 40,17 03:00 - 03:59 20,00 15,28 15,18 15,82 16,47 27,29 36,44 04:00 - 04:59 18,00 13,56 10,12 13,35 12,41 22,47 32,22 05:00 - 05:59 17,00 17,44 13,71 13,76 16,82 21,35 22,33 06:00 - 06:59 36,67 38,56 38,41 40,18 41,41 30,12 27,78 07:00 - 07:59 72,22 77,28 69,12 66,59 64,59 58,65 54,83 08:00 - 08:59 91,78 83,22 80,82 76,82 78,71 71,53 64,72 09:00 - 09:59 113,78 109,61 96,76 94,00 90,41 85,59 77,44 10:00 - 10:59 116,39 108,83 101,94 100,24 98,06 106,24 98,44 11:00 - 11:59 127,61 120,83 116,82 106,18 113,00 105,71 100,83 12:00 - 12:59 128,56 131,78 128,88 127,12 117,53 119,59 118,11 13:00 - 13:59 122,11 116,61 121,82 114,59 117,00 116,53 107,28 14:00 - 14:59 109,50 106,11 108,82 116,29 109,12 110,53 108,61 15:00 - 15:59 106,67 102,28 106,65 112,41 100,82 107,82 108,11 16:00 - 16:59 112,33 99,72 108,06 111,53 101,65 105,65 110,22 17:00 - 17:59 117,83 111,22 112,18 119,53 108,12 109,06 113,83 18:00 - 18:59 130,39 119,11 116,35 121,00 116,76 120,82 124,44 19:00 - 19:59 126,33 117,22 123,88 123,41 124,18 125,00 114,22 20:00 - 20:59 107,89 101,00 108,18 109,82 110,94 106,12 98,06 21:00 - 21:59 91,28 86,17 89,12 91,71 96,06 104,00 88,17 22:00 - 22:59 70,72 72,00 77,00 78,00 86,71 90,53 77,17 23:00 - 23:59 51,33 50,67 54,00 59,71 70,29 80,18 59,78
A figura 6.2 apresenta um gráfico comparativo da taxa média de chegada nos dias úteis
(foi considerada uma taxa média para os cinco dias úteis) e finais de semana (taxa
média considerando sábado e domingo). Pode-se perceber que no período das 6:00 até
21:00 a taxa de chegada nos dias úteis é quase sempre maior quando comparado com os
finais de semana, uma tendência que já era esperada pela grande movimentação de
pessoas e veículos envolvidas com as atividades profissionais regulares. No horário de
21:00 até 6:00 da manhã, a tendência se inverte, sendo que para os horários no período
da madrugada, a taxa de chegada para os finais de semana é mais do que o dobro
42
quando comparada com a mesma taxa nos dias úteis. Este fato é explicado pela maior
movimentação nos finais de semana decorrente de festas e eventos nestes horários, bem
como o consumo exagerado de bebida associada à direção.
Figura 6.2: Comparativo do número de chamadas entre dias úteis e final de semana
Uma outra análise foi feita com relação à distribuição das chamadas nas diversas
regionais da cidade de Belo Horizonte. Os registros das chamadas no banco de dados
contêm um campo relativo à rua da ocorrência do incidente e bairro. Entretanto, como a
maioria dos chamados para o Samu é feita por celular, estes campos têm de ser
preenchidos manualmente pelos teledigifonistas, o que acarreta muitas vezes em
campos em branco, nomes de ruas e bairros escritos errados, nomes diferentes para o
mesmo bairro, dentre outros fatores. Para estimar a quantidade de chamadas por região,
construiu-se uma nova tabela no banco de dados contendo todos os bairros de cada
regional. Esta nova tabela foi relacionada com a coluna do banco de dados do Samu
contendo a informação relativa ao bairro de origem da chamada. Desta maneira, foi
possível determinar de qual regional a chamada é proveniente. Pelos problemas
destacados acima, um grande número de registros não encontraram correspondência nas
duas tabelas, ficando sem a respectiva regional. Do total de registros, 15.67% foram
utilizados para determinar a distribuição por região. Assumiu-se que as dificuldades no
preenchimento do bairro de origem pelos teledigifonistas estão igualmente distribuídas
entre todas as regionais, de maneira que a associação feita resultou em valores
0102030405060708090
100110120130140
00
:00
-0
0:5
90
1:0
0 -
01
:59
02
:00
-0
2:5
90
3:0
0 -
03
:59
04
:00
-0
4:5
90
5:0
0 -
05
:59
06
:00
-0
6:5
90
7:0
0 -
07
:59
08
:00
-0
8:5
90
9:0
0 -
09
:59
10
:00
-1
0:5
91
1:0
0 -
11
:59
12
:00
-1
2:5
91
3:0
0 -
13
:59
14
:00
-1
4:5
91
5:0
0 -
15
:59
16
:00
-1
6:5
91
7:0
0 -
17
:59
18
:00
-1
8:5
91
9:0
0 -
19
:59
20
:00
-2
0:5
92
1:0
0 -
21
:59
22
:00
-2
2:5
92
3:0
0 -
23
:59
Ta
xa
Mé
dia
de
Ch
eg
ad
a
Faixas de Horário
Dias Úteis
Fim de Semana
43
representativos da situação real. Para construção da figura 6.3, foram utilizados os
valores médios considerando o período de outubro de 2006 até agosto de 2009, de
maneira a utilizar o maior número de informações possíveis.
Figura 6.3: Distribuição das chamadas por região (out/2006 – ago/2009)
A região centro sul é a que apresenta a maior quantidade de chamadas, como previsto,
uma vez que concentra um fluxo elevado de veículos (carros e ônibus) e pessoas devido
à sua localização e serviços fornecidos na região.
A figura 6.4 apresenta uma evolução da participação de cada região no total de
chamadas, de maneira a identificar alguma possível tendência de crescimento de uma
região específica. No eixo horizontal estão dispostos os períodos de janeiro de 2009 até
agosto de 2009 e no eixo vertical as freqüências relativas referentes à participação de
cada região. Não foi possível identificar, à partir de uma análise gráfica, qualquer
tendência clara no sentido de aumentar ou diminuir a participação relativa de uma
região no total de chamadas geradas.
8,93%
8,46%
12,59%
5,56%
14,55%8,29%
11,80%
20,31%
9,13%VENDA NOVA
NORTE
NORDESTE
PAMPULHA
LESTE
NOROESTE
OESTE
CENTRO SUL
BARREIRO
44
Figura 6.4: Evolução da participação de cada região no total de chamadas (jan/2009 –ago/2009)
6.2 CARACTERÍSTICAS DAS CHAMADAS
Uma outra análise considerada foi com relação à identificação das características de
cada chamada: tipo da ocorrência, motivo da chamada, conduta médica e tipo de
ambulância empenhada.
A figura 6.5 apresenta uma descrição das características de cada um destes aspectos. Os
códigos apresentados serão utilizados nas tabelas apresentadas adiante.
0%1%2%3%4%5%6%7%8%9%
10%11%12%13%14%15%16%17%18%19%20%21%22%23%24%25%
jan/09 fev/09 mar/09 abr/09 mai/09 jun/09 jul/09 ago/09
Fre
qu
ên
cia
Re
lati
va
Meses
VENDA NOVA
NORTE
CENTRO SUL
NORDESTE
PAMPULHA
LESTE
NOROESTE
OESTE
BARREIRO
45
Código Descrição Código Descrição MotCham 0 Solicitação de atendimento Conduta 0 Orientação
MotCham 1 Informação Conduta 1 Procurar recursos por meio próprio
MotCham 2 Ligação interrompida Conduta 2 Liberação de ambulância
MotCham 3 Informações em saúde Conduta 3 Outros (interrompido, desistência)
MotCham 4 Trote Conduta 4 Repasse para outras instituições
MotCham 5 Abuso
MotCham 6 Engano Código Descrição MotCham 7 Chamada interna TipoOcorr 0 Trauma
MotCham 8 Transporte inter-hospitalar TipoOcorr 1 Clínico
TipoOcorr 2 Psquiátrico
Código Descrição TipoOcorr 3 Gineco-obstétrico
Ambul 1 USB TipoOcorr 4 Transporte Intermunicipal
Ambul 2 USA TipoOcorr 5 Outros procedimentos
Ambul 3 USM - Saúde Mental
Figura 6.5: Legenda para as tabelas de descrição das chamadas
De todas as chamadas que chegam à central de regulação do Samu, apenas 31.93%
(para o ano de 2009) resultam em atendimento pelo médico regulador. As demais são
divididas em trote, abuso, engano, chamada interna, informações e ligação
interrompida. As distribuições dos motivos de chamada para os anos de 2006 até 2009
estão apresentadas na tabela 6.2. O motivo de chamada 8 (transporte inter-hospitalar) foi
considerado, para o presente estudo, como solicitação de atendimento (motivo de
chamada 0). Esta simplificação, discutida e validada com a gerência do Samu, foi
adotada para que os tempos deste tipo de procedimento não influenciasse as estimativas
para os tempos de resposta do modelo considerando as outras chamadas, uma vez que
apresentam algumas características próprias. Além disso, a quantidade de chamadas
para transporte inter-hospitalar é extremamente reduzida.
46
Tabela 6.2: Distribuição dos motivos de chamada (out/2006 – ago/2009)
2006 2007 2008 2009 MotCham 0 43.363 26,47% 162.357 29,46% 171.467 32,28% 153.415 31,42% MotCham 1 21.925 13,38% 71.501 12,98% 68.734 12,94% 57.224 11,72% MotCham 2 41.955 25,61% 121.164 21,99% 120.780 22,74% 96.150 19,69% MotCham 3 3.762 2,30% 15.950 2,89% 13.601 2,56% 15.851 3,25% MotCham 4 34.496 21,06% 112.011 20,33% 94.741 17,84% 98.829 20,24% MotCham 5 472 0,29% 1.940 0,35% 1.520 0,29% 1.594 0,33% MotCham 6 6.385 3,90% 22.079 4,01% 20.529 3,86% 17.148 3,51% MotCham 7 10.959 6,69% 41.762 7,58% 37.288 7,02% 45.517 9,32% MotCham 8 496 0,30% 2.263 0,41% 2.499 0,47% 2.493 0,51%
Total 163.813 100,00% 551.027 100,00% 531.159 100,00% 488.221 100,00%
Podemos observar um crescimento reduzido na porcentagem de chamadas que
necessitam de atendimento quando comparamos o ano de 2009 com os demais anos,
bem como uma leve redução nas chamadas interrompidas, de engano e de solicitação de
informação.
A tabela 6.3 apresenta a evolução dos tipos de ocorrência, considerando o mesmo
período da análise anterior. A distribuição das ocorrência ao longo dos anos não
apresenta nenhuma tendência de crescimento, os valores encontrados são bastante
próximos uns dos outros. Apenas o tipo de ocorrência 5 (outros procedimentos: ligação
interrompida e ligação interna) sofreu um leve aumento no ano de 2009 quando
comparado com 2008 (16,82% para 18,66%). As ocorrências de tipo psiquiátrico podem
ser atendidas por qualquer tipo de ambulância, apenas nas mais graves é utilizada
especificamente a ambulância de saúde mental. O tipo de ocorrência, para uso no
modelo computacional, foi discretizado por região e horário de ocorrência (manhã:
07:00 – 12:59, tarde: 13:00 – 18:59 e noite: 19:00 – 06:59). A tabela 6.4 apresenta a
distribuição das ocorrências por região considerando dados do ano de 2009. A região
centro sul possui a maior freqüência relativa para todos os tipos de ocorrência
consideradas no modelo.
47
Tabela 6.3: Distribuição dos tipos de ocorrência (out/2006 – ago/2009)
2006 2007 2008 2009 TipoOcorr 0 11.420 26,04% 40.388 24,53% 41.525 23,87% 35.947 23,06% TipoOcorr 1 20.373 46,45% 78.696 47,80% 83.450 47,97% 73.507 47,15% TipoOcorr 2 2.907 6,63% 10.624 6,45% 11.429 6,57% 10.229 6,56% TipoOcorr 3 1.282 2,92% 4.645 2,82% 4.756 2,73% 3.723 2,39% TipoOcorr 4 738 1,68% 2.997 1,82% 3.548 2,04% 3.403 2,18% TipoOcorr 5 7.139 16,28% 27.269 16,56% 29.257 16,82% 29.098 18,66%
Total 43.859 100,00% 164.619 100,00% 173.965 100,00% 155.907 100,00%
Tabela 6.4: Freqüência relativa dos tipos de ocorrência por região (ano de 2009)
TIPO DE OCORRÊNCIA (ANO 2009) Regiões 0 1 2 3 4 5
Venda Nova 7,03% 8,37% 9,07% 10,44% 8,35% 6,87%
Norte 7,71% 8,03% 8,92% 6,73% 22,54% 7,23%
Nordeste 12,87% 12,36% 13,09% 12,46% 21,61% 13,60%
Pampulha 6,86% 5,78% 5,01% 7,58% 1,48% 6,07%
Leste 11,33% 13,15% 14,77% 13,30% 9,46% 12,73%
Noroeste 10,71% 9,69% 9,57% 10,27% 2,32% 8,79%
Oeste 10,88% 11,58% 10,86% 10,27% 14,94% 11,46%
Centro Sul 23,18% 22,12% 18,49% 16,84% 10,67% 24,21%
Barreiro 9,43% 8,92% 10,21% 12,12% 8,63% 9,04%
TOTAL 100% 100% 100% 100% 100% 100%
A tabela 6.5 apresenta as condutas médicas adotadas pelos médicos reguladores. Pode-
se observar que apenas 40% das chamadas que passam pelos teledigifonistas (para o ano
de 2009) resultam em liberação de ambulância. A procura por recursos por meio próprio
(conduta médica 1) também apresenta alta freqüência relativa quando comparada com
as demais (com exceção da conduta 2 de envio de ambulância). Apenas 11,27% das
chamadas (ano 2009) não resultam em algum tipo de orientação e atendimento.
Tabela 6.5: Distribuição das condutas médicas (out/2006 – ago/2009)
2006 2007 2008 2009 Conduta 0 5.957 13,59% 26.720 16,26% 29.491 17,00% 28.576 18,38% Conduta 1 12.086 27,58% 44.767 27,25% 48.793 28,13% 47.396 30,48% Conduta 2 18.944 43,22% 73.166 44,54% 77.127 44,47% 61.997 39,87% Conduta 3 6.257 14,28% 18.462 11,24% 17.236 9,94% 16.490 10,60% Conduta 4 583 1,33% 1.171 0,71% 789 0,45% 1.039 0,67%
Total 43.827 100,00% 164.286 100,00% 173.436 100,00% 155.498 100,00%
48
Dado que a chamada necessita o envio de uma ambulância, a tabela 6.6 apresenta a
freqüência relativa de envio dos três tipos de ambulância (básica, avançada e de saúde
mental) separados pelos tipos de ocorrência considerados (trauma, clínico, psiquiátrico e
gineco-obstétrico). A ambulância básica é a mais acionada independente do tipo de
ocorrência. Para casos psiquiátricos, a ambulância avançada é raramente acionada,
sendo mais utilizada para casos clínicos ou de trauma. A ambulância de saúde mental é
utilizada para qualquer um dos tipos de ocorrência, sempre que a situação necessitar da
unidade de remoção especializada para casos mais graves.
Tabela 6.6: Distribuição do tipo de ambulância despachada por tipo de ocorrência para o ano de 2009
TIPO DE OCORRÊNCIA (ANO 2009) 0 1 2 3
Ambul 1 93,01% 95,00% 98,99% 97,59% Ambul 2 6,85% 4,51% 0,90% 2,03% Ambul 3 0,13% 0,49% 0,12% 0,38%
Total 100,00% 100,00% 100,00% 100,00%
Também foram levantadas, à partir do banco de dados, estimativas para o número de
empenhos de ambulância cancelados e a proporção de atendimentos locais que
necessitam do transporte da vítima para algum centro de atendimento. Os
cancelamentos, para uso no modelo computacional desenvolvido, foram definidos como
a chegada da unidade de resgate no local do incidente e a constatação de que não existe
nenhuma pessoa necessitando de cuidados. Desta maneira, para uma chamada
cancelada, considera-se o tempo de deslocamento, mas não o tempo de atendimento
local (chegando no local a ambulância já se encontra disponível para novo
atendimento). As estimativas foram de 5,21% para as chamadas canceladas e 90% para
as ocorrências necessitando transporte da vítima para algum centro de atendimento.
Com relação ao número de ambulâncias empenhadas em cada ocorrência, o modelo
desenvolvido considera sempre a relação de uma unidade para uma ocorrência. A
comparação com estudos semelhantes na literatura, a falta de dados confiáveis para
construção de uma estimativa precisa, a observação e coleta diretas do pesquisador na
central de regulação (não foi identificada nenhuma ocorrência com o envio de mais de
uma unidade dentre todos os tempos coletados) e a percepção dos operadores do sistema
motivaram a adoção e validação de tal medida.
49
A figura 6.6 apresenta uma evolução no número de atendimentos realizados pelo Samu
ao longo do período de outubro de 2006 até agosto de 2009. Foram considerados
atendimentos aquelas chamadas em que houve envio de ambulância e atendimento da
vítima.
Figura 6.6: Evolução do número de chamadas atendidas (despacho de ambulância)
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.5008.0008.500
ou
t/0
6n
ov/
06
dez
/06
jan
/07
fev/
07
mar
/07
abr/
07
mai
/07
jun
/07
jul/
07
ago
/07
set/
07
ou
t/0
7n
ov/
07
dez
/07
jan
/08
fev/
08
mar
/08
abr/
08
mai
/08
jun
/08
jul/
08
ago
/08
set/
08
ou
t/0
8n
ov/
08
dez
/08
jan
/09
fev/
09
mar
/09
abr/
09
mai
/09
jun
/09
jul/
09
ago
/09
Nú
me
ro d
e C
ha
ma
da
s A
ten
did
as
Meses (out/06 - ago/09)
50
7. MODELO DE SIMULAÇÃO PARA O SAMU
7.1 MODELO COMPUTACIONAL
O modelo computacional foi desenvolvido no software Arena 11.00 da Rockwell
Automation Technologies. A figura 7.1 apresenta um fluxograma básico de seu
funcionamento.
O processo começa com a chegada de uma chamada na central de atendimentos que é
recebida por um dos atendentes (teledigifonistas). Antes de iniciar o atendimento na
central de regulação, determina-se a região de origem da chamada, seu tipo, conduta
médica (ver seção 6.2) e as coordenadas UTM (Universal Transverse Mercator). O
atendente faz a análise inicial da chamada buscando identificar sua natureza (trote,
solicitação de informações, solicitação de atendimento ou engano). Em caso de
solicitação de atendimento, são coletadas informações iniciais como local do acidente e
alguns dados da vítima, e a chamada é encaminhada para o médico regulador para
avaliar a gravidade da situação. Neste momento, pode ser necessário o envio de uma
ambulância ou então a ligação é encerrada sem a necessidade de atendimento local,
sendo feita somente a orientação pelo telefone. No primeiro caso, a ambulância mais
próxima (considerando sua situação corrente e o tempo de deslocamento) é acionada por
um dos despachantes e inicia o deslocamento até o local do incidente. A lógica de
escolha da ambulância está explicitada mais adiante. Algumas chamadas são canceladas
após a chegada da ambulância ao local devido a ocorrência de trotes. Uma vez no local,
inicia-se o atendimento médico após o contato com a vítima e em casos de maior
gravidade, esta é encaminhada para o hospital mais próximo de acordo com sua
natureza e levando em conta a proximidade dos centros de atendimento (é priorizado
sempre o centro de atendimento mais próximo).
51
Chegada chamada
Médico
regulador?
Fim do
atendimento
Atendimento
pelo médico
regulador
Atendimento
pelo técnicoEnvio de
ambulância?
Acionamento
da
ambulância
Deslocamento
ambulância
Atendimento
médico local
Ir para
hospital?
Ambulância
em rota para
hospital
Entrega do
paciente
Reposição da
ambulância
Ambulância
disponível
Ambulância
retorna à
central
Precisa de
reposição?
SIM SIM
SIM
SIM
NÃO NÃO
NÃO
NÃO
Precisa de
manutenção?
Deslocamento
até oficinaManutenção Chamada em
espera?
NÃO
SIM
NÃO
SIM
Ambulância
retorna à base
de origem
Trote?
NÃO
SIM
Figura 7.1: Fluxograma do processo de atendimento de uma chamada de emergência
52
Na situação real de operação, em algumas ocorrências pode acontecer de o centro mais
próximo não possuir o médico especialista necessário para o atendimento ao paciente.
Neste caso, o paciente é direcionado para outro centro, não mais seguindo a regra de
proximidade. No modelo implementado, o centro mais próximo é sempre o escolhido.
Tal simplificação foi assumida por diversas razões: a escala de plantão dos médicos em
cada centro varia bastante ao longo dos dias da semana, podendo variar também em
semanas diferentes; para determinar o tipo de médico necessário para cada ocorrência
seria necessário um nível de detalhamento maior no banco de dados utilizado para
construção do modelo e o objetivo principal não é o de avaliar a capacidade de
recebimento de cada centro, mas sim o desempenho do sistema de atendimento móvel
como um todo. A escolha do centro é feita sempre pelo médico regulador na central,
nunca pela equipe que está realizando o atendimento. Após deslocamento da
ambulância, entrega do paciente e preenchimento dos relatórios requeridos, a equipe
verifica a necessidade de preparação, de maneira a repor equipamentos utilizados ou até
mesmo avariados durante o processo de atendimento. Existe também a possibilidade de
a ambulância necessitar de manutenção devido a avarias sofridas, por exemplo, durante
os trajetos até o incidente e até o hospital designado. Para o modelo desenvolvido, a
manutenção nunca acontece durante o processo de resgate, mas sempre ao final do ciclo
(atendimento + hospital + reposição). Caso exista alguma chamada em espera após o
processo de atendimento e eventuais reposição e manutenção, a ambulância dirige-se
diretamente até o local do incidente, dado que a mesma foi escolhida para realizar o
atendimento. Caso contrário, a ambulância retorna à base de origem (ponto zero)
ficando então disponível para novo atendimento.
A seguir estão detalhados alguns dos módulos do modelo computacional bem como
lógicas implementadas para controle do fluxo de entidades (chamadas e ambulâncias)
no sistema.
TEMPOS DE ATENDIMENTO E OPERAÇÃO
Os tempos das diversas operações do serviço de atendimento móvel tiveram de ser
estimados à partir de dados coletados diretamente na central de regulação. Para esta
coleta, procurou-se priorizar diferentes dias na semana e diferentes horários ao longo do
dia (manhã, tarde e noite, não tendo sido coletado nenhum tempo de atendimento
durante a madrugada), de maneira a aproximar o máximo possível as estimativas dos
53
tempos reais de operação. Os tempos coletados foram: atendimento pelo teledigifonista
no caso de uma chamada que não resulta em atendimento pelo médico regulador,
atendimento pelo teledigifonista no caso de uma chamada que resulta em atendimento
pelo médico regulador, atendimento pelo médico regulador de uma chamada que não
necessita envio de ambulância, atendimento pelo médico regulador de uma chamada
que necessita envio de ambulância USB, atendimento pelo médico regulador de uma
chamada que necessita envio de ambulância USA, despacho de ambulância,
atendimento médico local no caso de uma USB, atendimento médico local no caso de
uma USA, passagem das informações do paciente para central de regulação, regulação
secundária, entrega do paciente no hospital, reposição de equipamentos e manutenção.
Para a atividade de reposição, utilizou-se o padrão de uma reposição a cada 24 horas
para as unidades básicas e duas reposições diárias para as unidades avançadas. Para a
atividade de manutenção, utilizou-se uma taxa média de 3 manutenções por dia, sendo
que a escolha da ambulância é feita de maneira aleatória.
Para ajuste dos tempos coletados, fez-se uso do teste de aderência, cujo objetivo é
verificar se os dados de uma amostra seguem uma determinada distribuição teórica. As
distribuições foram ajustadas utilizando o aplicativo Input Analyzer do Arena, coletando
duas informações principais para análise da qualidade do ajuste: o erro quadrático
(Square Error) e o p-valor (p-value).
Segundo Freitas Filho (2008), o valor do Square Error fornecido pelo Input Analyzer é
obtido a partir do somatório das diferenças entre as freqüências relativas observadas �� e
as frequências relativas esperadas �����, tomadas ao quadrado, para todos os intervalos
do histograma representativo da amostra, sendo o primeiro indicador da qualidade do
ajuste realizado.
De acordo com Chwif e Medina (2007), o p-value, ou nível descritivo, representa o
menor nível de significância que pode ser assumido para se rejeitar a hipótese de
aderência, ou seja:
- se p-value ≤ α, então �� é rejeitada ao nível de significância α;
- se p-value > α, então �� não é rejeitada ao nível de significância α;
54
Para os dados coletados e testes de aderência conduzidos, foram utilizados os
parâmetros relacionados na tabela 7.1 para aceitação ou não da hipótese de aderência
com relação ao p-value.
O teste de aderência utilizado foi o de Kolmogorov-Smirnov, baseado na comparação
das probabilidades acumuladas das distribuições teórica e observada.
Tabela 7.1: Critérios usuais para a classificação do p-value
Valor Critério
p-value < 0,01 Evidência forte contra a hipótese de aderência 0,01 ≤ p-value < 0,05 Evidência moderada contra a hipótese de aderência 0,05 ≤ p-value < 0,10 Evidência potencial contra a hipótese de aderência
0,10 ≤ p-value Evidência fraca ou inexistente contra a hipótese de aderência Retirado de Chwif e Medina (2007)
As duas atividades que tiveram o tempo de serviço estimado com base na percepção dos
funcionários envolvidos e nas amostras de tempo coletadas foram as de reposição e
entrega do paciente no hospital. Por dificuldades na passagem de informação entre as
equipes em cena e a central de regulação, o número de informações obtidas não
possibilitou o uso do teste de aderência conforme apresentado, sendo utilizada, para
estes casos, a distribuição triangular. As dificuldades se referem, basicamente, à
precisão do momento exato em que o contato foi feito (a maioria das equipes só
comunica com a central quando a unidade móvel já está disponível, esquecendo muitas
vezes de informar os momentos em que chega ao hospital ou até mesmo no local do
incidente). A distribuição triangular, de acordo com Chwif e Medina (2007), é
apropriada para modelagem de situações onde não se conhece a forma exata da
distribuição, mas têm-se estimativas para o menor valor, o valor mais provável de
ocorrer e o maior valor.
O anexo I apresenta, para cada ajuste, o histograma correspondente dos dados, o p-valor
e o erro quadrático.
A tabela 7.2 apresenta um compilado das distribuições utilizadas no modelo,
apresentando os valores para as médias e a unidade relativa a cada uma (segundo,
minuto ou horas).
55
Tabela 7.2: Compilado das distribuições utilizadas no modelo
Atividade Distribuição Média DP Unidade Despacho Gama 22,55 11,16 seg Teledigifonista_Chamada_Médica Weibull 110,94 49,01 seg Teledigifonista_Cham_Não_Médica Weibull 28,53 18,71 seg Médico_Regulador_Não_Envia Weibull 102,57 70,51 seg Médico_Regulador_Envia_USB Gama 66,49 26,12 seg Médico_Regulador_Envia_USA Beta 96,76 60,02 seg Atendimento_Local_USB Weibull 18,41 8,38 min Atendimento_Local_USA Beta 18,32 5,61 min Reposição Triangular 21,67 3,12 min Manutenção Erlang 2,22 1,57 hr Entrega_Paciente_no_Hospital Triangular 12,33 2,78 min Informações_Para_Despachante Triangular 55,53 10,21 seg Regulação_Secundária Triangular 16,80 4,49 seg
LOCALIZAÇÃO DOS INCIDENTES
Para determinação das coordenadas dos incidentes, a cidade de Belo Horizonte e suas
nove regionais foram mapeadas através do sistema UTM (Universal Transverse
Mercator) de coordenadas, de acordo com valores retirados de aplicativo desenvolvido
pela Prodabel e disponível no site da prefeitura de BH. Os sistemas de projeções
cartográficas são analisados pelo tipo de superfície de projeção adotada e grau de
deformação. Na projeção UTM, utiliza-se um cilindro tangente à superfície da Terra
como superfície de projeção, sendo os meridianos e paralelos representados por retas
perpendiculares. O sistema UTM resulta na composição de 60 fusos distintos que
representam a superfície da Terra. As coordenadas UTM também foram utilizadas para
determinar a localização exata das bases e centros de atendimento, além de facilitar o
cálculo do tempo de deslocamento, baseado na distância euclidiana entre dois pontos (a
distância euclidiana aplicada em quaisquer dois pontos da cidade de Belo Horizonte
utilizando as coordenadas UTM resulta em uma distância em linha reta dada em
metros).
O contorno de cada regional foi aproximado por um polígono, buscando considerar da
melhor maneira possível os limites da região. A figura 7.2 apresenta a região de Venda
Nova (traçado em preto) com o respectivo polígono aproximado (traçado em vermelho),
sendo apenas de caráter ilustrativo.
56
Figura 7.2: Mapeamento da região de Venda Nova
Para sorteio das coordenadas do incidente, utilizou-se os valores máximo e mínimo das
coordenadas UTM do eixo horizontal e do eixo vertical, amostrando valores dentro do
retângulo formado por estes extremos (linhas pretas mais grossas da figura 7.2) com
igual probabilidade. Uma rotina em VBA foi implementada para verificar se o ponto
sorteado se encontra dentro do polígono traçado para representar aquela região. Caso
não esteja, um novo ponto é sorteado e verificado até que a condição seja satisfeita.
Importante mencionar que a região da Pampulha possui uma lagoa também mapeada
nos moldes apresentados, de maneira a garantir que o modelo não considere incidentes
ocorridos na superfície da mesma.
FATOR DE CORREÇÃO DA DISTÂNCIA EUCLIDIANA
Considerando dois pontos A e B situados em uma rede de transporte, como uma malha
urbana, podemos definir um sistema de coordenadas cartesianas arbitrário com origem
num ponto zero qualquer. É possível identificar vários caminhos de ligação entre os
pontos A e B , com distâncias quase sempre diferentes. A menor distância possível entre
eles corresponde à ligação em linha reta, denominada de distância euclidiana. Sendo
�: ��, �� e : ���, ��� temos que a distância euclidiana entre A e B é dada por:
57
�� = ��� − ���� + �� − ����
Esta distância, na maioria das aplicações reais de transportes, constitui-se em uma
abstração útil para os cálculos e estruturação dos modelos. A razão reside na sua
simplicidade de representação analítica e na sua característica de unicidade (isto é, há
somente uma ligação euclidiana entre dois pontos). Através de coeficientes corretivos
médios pode-se relacionar matematicamente as distâncias efetivas com as distâncias
euclidianas, possibilitando assim o tratamento mais realista das aplicações (NOVAES,
1989).
De acordo com Novaes (1989), no caso de uma malha urbana, surgem diversos fatores
que afetam a distância percorrida, como a existência de vias de mão única que exigem
percursos significativamente maiores. Há também as restrições de cruzamento das
artérias principais, que obrigam o veículo a procurar uma via que permita a travessia,
seja através de semáforo, seja por meio de uma passagem em desnível.
Em trabalho realizado pelo autor sobre 57 pares de pontos localizados na malha urbana
da cidade de São Paulo, através de regressão, chegou-se à relação:
D = 0.81 + 1.366 * DE, com R² = 0.95 e as distâncias medidas em quilômetros.
D = distância efetiva
DE = distância euclidiana
R² = coeficiente de determinação (proporção da variabilidade de y que é
explicada pelas variações em x)
Para o caso da cidade de Belo Horizonte, o procedimento para estimativa do fator de
correção baseou-se no levantamento das coordenadas UTM de alguns pontos espalhados
ao longo das nove regionais, considerando distâncias pequenas e grandes. A distância
euclidiana foi calculada para cada par de pontos. Com auxílio do aplicativo Google
Earth, traçou-se a rota real mais aproximada entre estes pontos, considerando o sentido
do tráfego e priorizando as vias principais. De posse das duas distâncias (euclidiana e
real aproximada) e levando em consideração o trabalho de Novaes (1989), foi possível
estabelecer uma relação aproximada para a estimativa do fator de correção, sendo neste
caso considerado igual a 1.366, conforme apresentado no estudo da cidade de São
Paulo. O processo de validação do modelo considerou variações no fator de correção de
58
maneira a analisar o impacto nas variáveis de resposta analisadas, buscando refinar a
aproximação feita.
VELOCIDADE MÉDIA
O cálculo do tempo de deslocamento gasto pela unidade leva em consideração a
distância euclidiana ponderada pelo fator de correção e a velocidade média da
ambulância. Para estimativa da velocidade média, foram considerados dois períodos:
(7:00 – 21:00) e (21:00 – 7:00), com velocidades médias diferentes. Os períodos foram
determinados com base no volume de chamadas e na disponibilidade de dados para
estimativa. Dados referentes ao tempo de deslocamento e origem e destino da unidade
de atendimento empenhada foram coletados em diferentes dias e horários. A quantidade
de dados não possibilitou uma análise estatística mais consistente, uma vez que a central
de regulação possui grande dificuldade em precisar a hora exata da chegada da
ambulância no local do incidente, pois as equipes (mesmo quando cobradas pela
gerência) não passam esta informação, somente quando já realizaram o atendimento e
precisam das orientações do médico regulador. Com os registros coletados, a distância
real aproximada foi utilizada juntamente com o tempo de deslocamento para estimar a
velocidade média. Foram utilizados os valores de 25 km/h para o período de 7:00 às
21:00 e 50 km/h para o período de 21:00 às 7:00.
LÓGICA DE ACIONAMENTO DAS AMBULÂNCIAS
De maneira a controlar a alocação das ambulâncias, foi criada uma matriz (figura 7.3)
com o número de linhas igual à quantidade total de ambulâncias e o número de colunas
igual a 6.
- coluna 1: hora em que a ambulância vai estar disponível, de acordo com o relógio da
simulação (o relógio marca o tempo corrido contínuo em horas, não zerando após as 24
horas de um dia);
- coluna 2: coordenada X do local em que a ambulância vai estar disponível;
- coluna 3: coordenada Y do local em que a ambulância vai estar disponível;
- coluna 4: quantas chamadas estão esperando por aquela ambulância;
- coluna 5: 0 se a ambulância está disponível
1 se a ambulância está em atendimento
59
- coluna 6: 1 se a ambulância é USB
2 se a ambulância é USA
3 se a ambulância é Saúde Mental
0 se a ambulância não está sendo utilizada naquela simulação
Figura 7.3: Matriz de controle das ambulâncias (retirado diretamente da tela do Arena)
Uma vez acionada, a ambulância determina à priori os tempos de atendimento,
reposição e manutenção, caso necessário, bem como as coordenadas UTM em que
estará disponível. Desta maneira, ao chegar uma nova chamada, os tempos de liberação
de cada ambulância estarão todos atualizados, mesmo que exista ambulância em
atendimento. Após realizar o atendimento, a ambulância verifica se existe chamada
esperando (coluna 4) para decidir qual caminho tomar. Caso não exista chamada, a
ambulância retorna para a base de origem e atualiza a hora e as coordenadas de
liberação.
A seguir encontram-se os passos para determinação de qual ambulância será alocada à
uma chamada:
- verifica-se primeiro o tipo de ambulância (USB, USA ou Saúde Mental)
- caso seja Saúde Mental, a escolha da ambulância é direta, uma vez que só existe uma
única ambulância para este tipo de atendimento
- caso seja USB, a escolha da ambulância segue os seguintes procedimentos:
- para cada ambulância USB, a chamada calcula o tempo de resposta para aquela
ambulância específica. Se a hora de liberação da ambulância for maior que o tempo
corrente de simulação, significa que a ambulância está em atendimento. O cálculo do
60
tempo de resposta fica sendo então: (hora_de_liberação – tempo_atual) +
fator_correção*distância_euclidiana/velocidade_média. Existem dois componentes
básicos para calcular o tempo de resposta: o tempo de espera da chamada até a
ambulância estar disponível (hora_de_liberação – tempo_atual) e o tempo de
deslocamento até o local do incidente (fator_correção * distância_euclidiana /
velocidade_média). Foram utilizadas estas duas variáveis de maneira a garantir que a
ambulância alocada para a chamada seja realmente aquela que chegará primeiro ao
incidente, e não aquela que ficará disponível primeiro. Caso a hora de liberação da
ambulância seja menor que o tempo atual, significa que a ambulância já está disponível.
Para este caso, o cálculo do tempo de resposta terá somente o componente tempo de
deslocamento: fator_correção*distância_euclidiana/velocidade_média. O tempo de
resposta de cada ambulância é armazenado em um vetor com um número de posições
igual ao número de ambulâncias USB. Uma vez calculado os valores para cada
ambulância, o vetor é ordenado de maneira crescente e a ambulância na posição 1 do
vetor é alocada à chamada.
- caso seja USA, a escolha da ambulância segue os seguintes procedimentos:
- para todas as ambulâncias USB e USA, os cálculos são feitos exatamente da
mesma maneira que no caso anterior. A ambulância na posição 1 do vetor que contém
todos os tempos de resposta é alocada à chamada. Uma vez alocada, é feita uma
verificação para determinar se a ambulância alocada é USB ou USA. Se for USA, nada
mais precisa ser feito. Caso seja USB, a entidade se divide em duas: uma segue para o
atendimento (ambulância USB) e a outra retorna para a lógica de escolha da
ambulância, mas desta vez restrita às unidades avançadas. Os cálculos para este caso
são os mesmos apresentados para o caso 1.
7.2 VERIFICAÇÃO E VALIDAÇÃO
A qualidade e a validade de um modelo de simulação são medidas pela proximidade
entre os resultados obtidos pelo modelo e aqueles originados do sistema real. Uma vez
que uma série de pressupostos e simplificações sobre o comportamento do sistema real
costuma ser realizada no desenvolvimento do modelo, qualquer tomada de decisão com
base em seus resultados deve ser precedida de uma avaliação de sua qualidade e
apropriação.
61
Essa avaliação está subdividida em duas etapas. A primeira consiste em avaliar se estes
pressupostos e essas simplificações foram corretamente implementados no modelo
computacional. A segunda é saber se, apesar dos pressupostos e das simplificações
implementadas, o modelo ainda é válido, isto é, comporta-se à semelhança do sistema
real. As duas etapas são chamadas de verificação e validação, respectivamente
(FREITAS FILHO, 2008).
Para verificação do modelo desenvolvido, utilizou-se a técnica de implementação
modular, onde cada parte do modelo é implementada e rodada primeiro separadamente.
Para cada módulo desenvolvido (chegada, definição da natureza da chamada, escolha do
local do incidente, central de regulação, escolha da ambulância a ser empenhada,
atividades da unidade móvel), as variáveis de interesse para verificação da lógica de
operação foram todas dispostas na tela do Arena de maneira a acompanhar a coerência
nas operações e atividades do modelo. Forçou-se também a ocorrência de eventos pouco
prováveis e eventos que acarretam em pequenas alterações na lógica de despacho, como
por exemplo a chegada de uma chamada que necessita de uma unidade avançada, mas
cuja unidade mais próxima é uma básica. Cada chamada, antes de deixar o modelo, tem
seus atributos específicos salvos em uma planilha Excel (tipo, conduta médica, tempos,
ambulância empenhada, qual hospital foi designado, precisou de reposição, etc.), de
maneira que uma análise detalhada de cada processo foi feita buscando identificar
possíveis falhas na implementação (número de chamadas de cada tipo considerando o
tempo de simulação utilizado, quantidade de reposições feitas e distribuição por
ambulância, dentre outros).
O processo de validação foi conduzido desde as etapas iniciais do projeto, com a
participação direta da gerência do Samu. Todo o processo de funcionamento do sistema
foi discutido com os responsáveis (modelagem conceitual) bem como as simplificações
adotadas para a modelagem computacional. A definição de quais variáveis seriam
utilizadas para análise de desempenho bem como alguns possíveis cenários a serem
avaliados também foram discutidos diretamente com a atual coordenadora médica do
Samu.
Além da participação e acompanhamento de especialista, foram utilizados dados reais
coletados em campo para validação dos resultados gerados pelo modelo desenvolvido,
62
tendo como base os parâmetros atuais de operação do sistema. Os dados utilizados para
validação do modelo computacional foram coletados após conclusão da implementação
do modelo. Foram utilizados três parâmetros para esta etapa do processo de validação:
tempo de espera que uma chamada gasta entre a verbalização da necessidade de envio
de uma ambulância até o empenho efetivo da mesma, o tempo de espera mencionado
acrescido dos tempos de deslocamento e tempo de atendimento local (até o momento de
passagem das informações para o médico regulador da central) e a quantidade de
chamadas atendidas discretizadas por mês, desde dezembro de 2008 (início de operação
do sistema com as configurações atuais) até agosto de 2009 (último mês disponível para
consulta no banco de dados). Para os dois primeiros, foram coletados 100 dados
distribuídos ao longo dos cinco dias úteis e do período de 7:00 até 21:00 horas em cada
dia. Os valores dispostos nas tabelas 7.3 e 7.4 a seguir apresentam um resumo do estudo
comparativo, estando todos em minutos.
Tabela 7.3: Validação do tempo de espera
TEMPO DE ESPERA [minutos] Mínimo Médio Máximo DP 1 0,54 5,50 45,38 6,16 2 0,47 5,20 43,86 6,25 3 0,50 6,09 65,23 7,08 4 0,49 5,19 54,63 6,17 5 0,58 5,03 49,01 6,07 6 0,54 6,66 49,28 7,72 7 0,50 6,97 49,95 7,57 8 0,43 5,51 49,73 6,28 9 0,45 6,61 58,23 7,24 10 0,45 7,92 61,27 8,74
Médias 0,50 6,07 52,66 Real 0,33 6,13 48,91
As linhas numeradas de 1 a 10 correspondem às dez replicações feitas com o modelo
computacional para estimativa das variáveis de resposta, sendo calculado para os
valores mínimo, médio e máximo a média relativa a todas as replicações. A última linha
apresenta os valores encontrados para os 100 dados coletados diretamente na central de
regulação. Pode-se observar que, para o valor médio do tempo de espera, a diferença é
de apenas 0,06 minutos (3,6 segundos) ou 0,98%. Este valor está diretamente
relacionado com os tempos de operação dentro da central de regulação (teledigifonista,
médico regulador e despachante), bem como com a utilização das unidades móveis
63
(espera-se que quanto menor o tempo em que as ambulâncias ficam empenhadas, menor
será o tempo de espera médio das chamadas).
A tabela 7.4 apresenta a mesma análise para o tempo de espera + deslocamento +
atendimento. Por dificuldades já relatadas no processo de coleta, não foi possível fazer
uma coleta extensa com relação aos tempos de resposta do sistema, variável principal de
interesse para a gerência do Samu. Desta maneira, procurou-se utilizar um combinado
dos tempos dentro e fora da central de regulação para validar os tempos do processo de
atendimento fora da central.
Tabela 7.4: Validação do tempo de espera + deslocamento + atendimento
TEMPO TOTAL [minutos] Mínimo Médio Máximo DP 1 8,45 35,57 92,48 13,74 2 9,81 35,16 98,55 13,40 3 8,79 35,41 91,24 13,68 4 9,13 34,51 92,36 13,55 5 8,68 34,83 89,12 13,20 6 8,09 35,58 99,84 14,76 7 7,25 36,35 104,53 14,61 8 7,64 34,86 95,26 14,04 9 7,24 35,82 96,67 14,26 10 8,59 35,45 100,61 14,36
Médias 8,37 35,35 96,07 Real 9,14 31,82 79,75
Pode-se observar que a diferença entre o valor médio das dez replicações e valor médio
dos 100 dados coletados foi de 3,53 minutos. A diferença foi maior quando comparada
com o tempo de espera uma vez que as atividades utilizadas para análise apresentam
uma variabilidade acumulada maior, sendo que foram definidos alguns parâmetros
aproximados de operação, como por exemplo a velocidade média e o fator de correção
da distância euclidiana.
Dos cem dados coletados para a etapa de validação foi possível extrair uma amostra de
valores para estimativa do tempo de resposta do sistema. Neste caso, foi encontrado um
valor de 19.92 minutos, contra os 21.21 minutos estimados pelo modelo computacional
(diferença de 6,08%).
64
Por último, foram retirados do banco de dados os valores relativos à quantidade de
atendimentos realizados pelo Samu desde dezembro de 2008 até agosto de 2009. Foram
novamente feitas 10 replicações, mas desta vez com tempo de simulação correspondente
a cada um dos meses analisados. A tabela 7.5 apresenta os resultados.
Tabela 7.5: Validação do número de atendimentos realizados (real x simulado)
Mês Real Simulado Diferença (%) dez/08 7.437 7.453 -0,21% jan/09 7.266 7.470 -2,81% fev/09 6.752 6.722 0,44% mar/09 7.503 7.458 0,60% abr/09 7.281 7.196 1,17% mai/09 7.528 7.416 1,49% jun/09 6.934 7.140 -2,97% jul/09 7.417 7.508 -1,23% ago/09 7.429 7.388 0,55%
Figura 7.4: Gráfico comparativo do número de atendimentos realizados (validação)
A diferença máxima encontrada entre os valores real e simulado foi de 2,97%, sendo
que a diferença média considerando valores absolutos de todos os meses foi de 1,27%.
Com base nas análises feitas, na percepção do especialista sobre as respostas do modelo
e nos objetivos definidos para o estudo (que não tem pretensão de determinar com
segurança absoluta valores para todos os parâmetros de desempenho do sistema, mas
indicar possíveis ganhos ou perdas nos tempos de operação decorrentes de mudanças na
lógica de operação), concluiu-se pela verificação e validação efetivas do modelo.
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.500
Nú
me
ro d
e A
ten
dim
en
tos
Meses (dez/08 - ago/09)
Real
Simulado
65
7.3 REGIME TRANSIENTE X PERMANENTE
Para determinação dos parâmetros de execução do modelo (quantidade e tempo de cada
replicação), faz-se necessário a definição conceitual de simulação terminal e simulação
não terminal. A primeira acontece quando não existem dúvidas quanto aos instantes de
tempo de início e fim da simulação e existem condições iniciais fixas (restaurantes,
bancos, lojas comerciais, etc.), enquanto na segunda não existe certeza, a priori, de
quanto tempo ela deve durar (serviços de 24 horas, hospitais, etc.).
No caso de sistemas não terminais, como é o caso dos serviços de atendimento móveis
de urgência, para definição do tempo de simulação, é importante a determinação correta
dos chamados regime transiente e regime permanente do sistema.
Em se tratando de modelos de simulação, podemos definir regime transiente como o
período durante o qual as variáveis de resposta de interesse ainda estão sob a influência
das condições iniciais do sistema, apresentando portanto uma maior variabilidade. Uma
vez que as análises estatísticas recaem sobre o desempenho do sistema quando o mesmo
se encontra em regime permanente, é preciso que se reduza a influência da fase
transiente na simulação do modelo.
Para determinação do período destas duas fases, utilizou-se a análise do tempo de
resposta médio, por ser este o parâmetro utilizado pelos gestores para avaliação do
desempenho do sistema. Para tanto, o modelo foi executado em um tempo de simulação
variando de uma até trezentas horas, conforme apresentado na figura 7.5, armazenando
para cada rodada o valor da variável de análise no eixo vertical e o tempo de simulação
no eixo horizontal. A determinação do período transiente foi feita por análise gráfica.
Através da observação do comportamento do sistema, definiu-se um tempo de
aquecimento (período inicial durante o qual não são coletadas estatísticas) de 100 horas,
pois a partir deste instante a curva não aparenta mais alguma tendência clara de
crescimento ou diminuição, mas apenas oscila entre os valores limites máximos e
mínimos.
Cada rodada de simulação para o modelo construído teve um período fixo de
aquecimento de 100 horas e um período de 7 dias de operação cujos dados foram
utilizados para tratamento e análise estatística do desempenho do sistema.
66
Figura 7.5: Período transiente para o tempo de resposta médio
7.4 NÚMERO DE REPLICAÇÕES
Como o modelo de simulação lida com números aleatórios, as variáveis de saída
também terão natureza aleatória (RIRO – random in random out), de maneira que as
conclusões a serem obtidas não podem ser baseadas em apenas uma replicação do
modelo.
Para determinação do número de replicações de cada rodada de simulação, utilizou-se a
construção de intervalos de confiança para as medidas de desempenho consideradas,
com a posterior análise da precisão de cada intervalo construído.
Quando falamos em confiança estatística, estamos nos referindo ao intervalo de
confiança, ou seja, um intervalo de valores que contém a média da população, com uma
certa probabilidade. Quanto maior o valor desta probabilidade, maior a confiança
estatística de que a média da população encontra-se dentro deste intervalo construído. Já
quando falamos em precisão, estamos nos referindo ao tamanho do intervalo, pois de
nada adianta uma alta confiança estatística se o tamanho do intervalo é tão grande que
nada podemos concluir sobre a média da população (CHWIF e MEDINA, 2007).
Um ponto importante a ser avaliado para a determinação do intervalo de confiança é a
necessidade de que os elementos da amostra sejam estatisticamente independentes.
0,01,02,03,04,05,06,07,08,09,0
10,011,012,013,014,015,016,017,018,019,020,021,022,023,0
11
02
03
04
05
06
07
08
09
01
00
11
01
20
13
01
40
15
01
60
17
01
80
19
02
00
21
02
20
23
02
40
25
02
60
27
02
80
29
03
00
Te
mp
o d
e R
esp
ost
a M
éd
io [
min
uto
s]
Tempo de Simulação [horas]
Regime Transiente
Regime Permanente
67
No caso do Arena, quando se solicita a realização de n replicações, automaticamente o
simulador utiliza diferentes conjuntos (Streams) de números aleatórios para gerar os
valores associados às variáveis aleatórias presentes no modelo. Como a função geradora
de números aleatórios do Arena garante que os valores gerados são estatisticamente
independentes, os elementos da amostra oriundos das n replicações independentes
também o serão (FREITAS FILHO, 2008).
O intervalo de confiança foi construído de acordo com a equação a seguir (Chwif e
Medina, 2007):
� ± ����;�/��
√
- � é a média da amostra;
- ����;�/�!
√� é a metade do tamanho do intervalo (precisão);
- ����;�/� é o (1 – α/2) percentil da distribuição t de Student com n-1 graus de
liberdade;
- s é o desvio padrão da amostra;
- n é o número de dados da amostra.
O modelo foi rodado com 10 replicações, e os valores médios para as variáveis tempo
de resposta e tempo de espera foram coletados. Utilizou-se uma confiança de 95%, n =
10 replicações e valor tabelado da estatística teste t de 2,26. Os resultados estão
apresentados na tabela 7.6 a seguir:
Tabela 7.6: Intervalos de confiança para as variáveis de resposta
Variável de Resposta IC Precisão Tempo de Resposta Médio [20.72 ; 21.71] 0.494
Tempo de Espera Médio [4.51 ; 5.42] 0.451
Como o tamanho dos dois intervalos é bastante reduzido, indicando uma boa precisão,
considerou-se que o valor de 10 replicações para cada rodada é satisfatório para
construção dos intervalos e análise do sistema.
68
7.5 CENÁRIO ATUAL DE OPERAÇÃO
Uma vez verificado e validado o modelo desenvolvido, o cenário atual de operação foi
simulado utilizando dos parâmetros já descritos, de maneira a levantar estimativas para
o tempo de resposta e tempo de espera médios. Para cada uma das variáveis, apresenta-
se a seguir uma tabela com os valores mínimo, médio e máximo de cada replicação,
uma tabela com as freqüências relativas discretizadas em intervalos de tempo de zero
até quarenta minutos e um histograma relativo a estas freqüências.
Tabela 7.7: Tempo de resposta para cenário atual
TEMPO DE RESPOSTA [minutos] Mínimo Médio Máximo DP 1 4,55 21,23 62,35 10,26 2 4,25 20,66 85,91 10,31 3 4,26 21,43 85,69 10,62 4 4,35 20,29 69,01 10,03 5 4,21 20,64 70,55 10,16 6 4,01 21,09 87,78 11,52 7 3,92 21,91 84,48 11,60 8 4,49 20,64 82,02 10,90 9 4,64 21,78 76,34 11,29 10 4,69 22,48 80,87 12,72
Médias 4,34 21,21 78,50
O tempo de resposta estimado apresenta valores médios para o tempo mínimo e máximo
de 4,34 e 78,50 minutos, respectivamente. O primeiro diz respeito àqueles incidentes
que ocorrem no mesmo local ou bastante próximos de alguma base de operação do
Samu, resultando em tempo de deslocamento nulo ou muito pequeno. Desta maneira, o
tempo de resposta fica restrito basicamente aos tempos de atendimento dentro da central
de regulação. Considerando valores médios apresentados na tabela 7.2 para os tempos
do teledigifonista, médico regulador e despachante, teríamos um tempo de 3,6 minutos
para o processo de atendimento dentro da central, valor bastante próximo do encontrado
para o tempo de resposta mínimo, como era esperado. O segundo é justificado pelas
chamadas que apresentam um elevado tempo de espera (o maior valor encontrado para
o tempo de espera coletado na central foi de 48,91 minutos, conforme tabela 7.3),
devido a chamadas de baixa prioridade que ficam no aguardo de uma ambulância mais
próxima do local do incidente, mesmo que esta ainda esteja em atendimento. O que
acontece algumas vezes também é a priorização de algumas chamadas em detrimento de
outras em horários de pico de funcionamento do sistema. Para o tempo de resposta
69
médio, foi calculado o intervalo de confiança de 95% com n = 10 e valor de 2.26 para a
estatística teste t:
I. C. = [20.72 ; 21,71] Precisão = 0,494
Com relação à distribuição dos valores para o tempo de resposta considerando as faixas
apresentadas na tabela 7.8 e figura 7.6, pode-se observar que a maior quantidade de
valores está entre 10 e 20 minutos, seguido pela faixa entre 20 e 30 minutos. Os valores
extremos são de baixa freqüência de ocorrência, sendo apenas 0,20% para valores
abaixo de 5 minutos e 6,6% para valores acima de 40 minutos. Para um tempo de
resposta de até 40 minutos, temos uma freqüência acumulada de mais de 93% para
todas as chamadas.
Tabela 7.8: Distribuição do tempo de resposta para cenário atual
TEMPO DE RESPOSTA Valores [min]
Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 – 5 33 0,20% 0,20%
5 – 10 1.921 11,56% 11,76%
10 – 20 7.087 42,64% 54,40%
20 – 30 4.571 27,50% 81,90%
30 – 40 1.907 11,47% 93,37%
> 40 1.102 6,63% 100,00%
Total 16.621 100,00%
Figura 7.6: Histograma do tempo de resposta para cenário atual
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.500
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta [minutos]
70
A tabela 7.9 apresenta os valores estimados encontrados para a variável tempo de
espera. Os valores mínimos, com média de 30 segundos, são aqueles cujo envio da
ambulância é imediata, não tendo de esperar nenhuma outra atividade terminar, sendo
composto somente pelo tempo gasto pelos despachantes. O tempo máximo são aquelas
situações já apresentadas e justificadas, como por exemplo a priorização de chamadas
mais importantes em horários críticos. Para o tempo de espera médio, foi construído
novamente um intervalo de confiança com 95% com n = 10 e t = 2,26:
I.C. = [4.51 ; 5.42] Precisão = 0,451
Tabela 7.9: Tempo de espera da chamada para cenário atual
TEMPO DE ESPERA [minutos] Mínimo Médio Máximo DP 1 0,54 4,63 45,38 6,16 2 0,47 4,44 43,86 6,25 3 0,50 5,11 65,23 7,08 4 0,49 4,24 54,63 6,17 5 0,58 4,46 49,01 6,07 6 0,54 5,26 49,28 7,72 7 0,50 5,54 49,95 7,58 8 0,43 4,42 49,73 6,28 9 0,45 5,33 58,23 7,25 10 0,45 6,21 61,27 8,74
Médias 0,50 4,96 52,66
A distribuição dos tempos de espera está apresentada na tabela 7.10 e figura 7.7 a
seguir. Como esperado, a grande maioria dos valores se encontra na faixa entre zero e
cinco minutos (72,96%), sendo que valores muito altos são de freqüência relativa
bastante baixa (entre 30 e 40 minutos, somente 1,23% das chamadas e para valores
maiores de 40 minutos, somente 0,29% das chamadas). Esta distribuição está de acordo
com o tipo de sistema em estudo, tendo grande concentração nos valores mais baixos
(como se observa realmente na realidade de operação) e pequena concentração nos
valores mais altos. Um aumento na freqüência relativa de valores altos pode significar o
funcionamento das operações fora de padrões de qualidade e desempenho definidos
como aceitáveis para este tipo de sistema.
71
Tabela 7.10: Distribuição do tempo de espera da chamada para cenário atual
TEMPO DE ESPERA Valores [min]
Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 12.127 72,96% 72,96%
5 - 10 1.775 10,68% 83,64%
10 - 20 1.845 11,10% 94,74%
20 - 30 621 3,74% 98,48%
30 - 40 205 1,23% 99,71%
> 40 48 0,29% 100,00%
Total 16.621 100,00%
Figura 7.7: Histograma do tempo de espera da chamada para cenário atual
Para a ambulância de saúde mental, a tabela 7.11 apresenta os valores mínimo, médio e
máximo para as variáveis de resposta analisadas.
Tabela 7.11: Variáveis de resposta para a ambulância de saúde mental (valores médios em minutos)
Mínimo Médio Máximo Tempo de Resposta 17,12 29,37 51,92
Tempo de Espera 0,97 1,26 1,63
Podemos observar que os tempos de espera médio e máximo são bastante reduzidos
para a unidade de saúde mental, uma vez que os chamados são bastante espaçados no
tempo. O tempo de resposta médio ficou um pouco acima quando comparado com os
valores da tabela 7.7 anterior. Entretanto, devido ao número reduzido de chamadas
01.0002.0003.0004.0005.0006.0007.0008.0009.000
10.00011.00012.000
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Espera [minutos]
72
específicas desta unidade e pelo fato da escolha aleatória dos locais de incidente, não se
pode tirar maiores conclusões a respeito do desempenho do sistema com relação a estas
variáveis de resposta. Para a situação atual de operação, esta unidade atende os
requisitos necessários com relação às variáveis de desempenho de acordo com a
gerência do Samu, não sendo utilizada para a análise de cenários conduzida (seção 8).
Com relação à taxa de utilização das ambulâncias, das 10 replicações realizadas foi
possível obter uma média de 55.32% para as unidades básicas e 11.75% para as
unidades avançadas (ver tabela III.1 do Anexo III para maiores detalhes). Gonçalves
(1994) afirma que quando os sistemas de atendimento móveis de urgência estão bem
dimensionados, geralmente ocorrem longos períodos em que os operadores e
equipamentos permanecem desocupados. No trabalho de Takeda (2000), o índice de
ocupação dos veículos encontrado de 60% foi considerado elevado para este tipo de
sistema. O trabalho de Garcia (2006) apresenta uma taxa de utilização de 49.2% para as
ambulâncias do serviço de atendimento da cidade de Niterói. O valor mais baixo
encontrado para as unidades avançadas se refere à quantidade reduzida de chamadas de
maior gravidade e na política de priorização dos médicos reguladores sobre as unidades
básicas. De acordo com Fitzsimmons e Fitzsimmons (2004), uma ambulância do serviço
de emergência raramente está ocupada por mais de 30% de seu tempo. Essa baixa
utilização, no entanto, é indispensável para permitir o atendimento imediato. O excesso
de capacidade da ambulância é, assim, necessário, pois o custo implícito da espera para
esse serviço pode ser exorbitante em termos de vidas humanas.
A figura 7.8 a seguir apresenta um comparativo das freqüências relativas do número de
ocorrências que foram encaminhadas para cada centro de atendimento. Como o foco do
estudo não é na etapa de recebimento dos pacientes por parte dos centros para uma
possível definição de gargalos ou até mesmo construção de novas políticas de
encaminhamento de pacientes, e como existem critérios (muitas vezes impossíveis de
serem formalizados) para alocação dos pacientes que não foram considerados no
presente estudo (por exemplo a escala de plantões dos médicos em cada centro), a figura
serve mais como caráter ilustrativo do processo atual conforme modelado e apresentado
do que uma ferramenta para análise da ocupação e utilização de cada centro.
73
Figura 7.8: Freqüência relativa da quantidade de atendimentos em cada centro
0%1%2%3%4%5%6%7%8%9%
10%11%12%13%14%15%16%17%18%19%20%
Fre
qu
ên
cia
Re
lati
va
Centros de Atendimento
74
8. ANÁLISE DE CENÁRIOS
Os cenários simulados foram discutidos juntamente com os responsáveis pela gestão do
sistema, de maneira que possam fornecer respostas e indicações de tendências frente a
alterações na lógica de operação que sejam úteis para a tomada de decisão e até mesmo
justificativa para futuros investimentos. Foram feitos 4 cenários, conforme apresentado
na tabela 8.1. A motivação para cada um encontra detalhada na subseção
correspondente.
Tabela 8.1: Descrição dos cenários analisados
Cenários Descrição
Cenário 1 Aumento de demanda
Cenário 2 Reposição feita nos hospitais
Cenário 3 Mudança na localização da central de regulação
Cenário 4 Determinação do número e localização ótima das ambulâncias
8.1 CENÁRIO 1 – AUMENTO DE DEMANDA
O primeiro cenário busca avaliar o comportamento do sistema frente ao aumento na
demanda pelos serviços. Sabemos que a demanda está diretamente relacionada com uma
série de fatores: tamanho da população, conhecimento e acesso da população aos
serviços de atendimento móveis de urgência, abrangência deste tipo de serviço, políticas
de redução de acidentes (por exemplo, campanhas de educação no trânsito), dentre
outros. Devido ao gráfico de demanda apresentado (figura 6.1) não indicar uma
tendência clara relativo ao seu crescimento, buscou-se fazer a análise variando este
aumento de 10 até 100%. Em cada figura a seguir, estão apresentados uma tabela com
os valores da variável de resposta na coluna da direita e o aumento percentual da
demanda na coluna da esquerda (o valor zero representa a situação atual de operação),
bem como um gráfico representativo destes valores. Foram analisadas as variáveis
tempo de resposta médio (figura 8.1), tempo de espera médio (figura 8.2), tamanho
médio da fila de espera (figura 8.3) e tamanho máximo da fila de espera (figura 8.4). Os
valores apresentados estão todos em minutos.
75
Figura 8.1: Variação do tempo de resposta médio com o aumento da demanda
O tempo de resposta médio sofre um leve crescimento até o aumento de 20% na
demanda por serviços, quando então começa a crescer de maneira mais acentuada. Com
o crescimento de 30%, o tempo de resposta médio aumenta em mais de 17 minutos,
sendo que para 40% de aumento este valor mais do que dobra quando comparado ao
cenário atual. Acima de 50% de aumento, o tempo de resposta médio ultrapassa a casa
de uma hora, sendo que quando dobramos a demanda o valor encontrado fica próximo
das quatro horas e meia. A variável de resposta analisada está diretamente relacionada
com a capacidade de atendimento dentro da central de regulação bem como a relação
entre quantidade de ocorrências e número de ambulâncias disponíveis. Mantendo este
último constante e aumentando o primeiro, é evidente que devemos esperar um aumento
no tempo de resposta médio do sistema como um todo. Estabelecidos os parâmetros de
desempenho a serem atingidos, torna-se possível propor e simular cenários diferentes de
operação de maneira a adaptar o funcionamento do sistema às novas exigências de
demanda.
Uma outra variável utilizada para análise foi o tempo de espera médio, conforme
apresentado na figura 8.2.
020406080
100120140160180200220240260280
0 10 20 30 40 50 60 70 80 90 100
Au
me
nto
na
De
ma
nd
a [
%]
Tempo de Resposta Médio [minutos]
Aumento
(%) TR Médio
[min]
0 21,21
10 24,07
20 27,86
30 38,43
40 45,25
50 65,55
60 82,36
70 110,42
80 132,27
90 159,65
100 252,58
76
Figura 8.2: Variação do tempo de espera médio com o aumento da demanda
Pode-se observar uma tendência de crescimento parecida com aquela apresentada pelo
tempo de resposta médio. O tempo de espera médio mais do que dobra com um
aumento de 20% sobre a demanda, impactando no cálculo apresentado para o tempo de
resposta médio. Para um aumento de 40%, a variável analisada já apresenta valores
médios próximos de meia hora, totalmente incompatíveis com parâmetros de
desempenho para este tipo de sistema. O tempo de espera está diretamente relacionado
com a taxa de utilização das unidades de resgate, quanto mais tempo estiverem
empenhadas, espera-se que maior seja também o tempo médio de espera de uma nova
chamada no sistema.
Figura 8.3: Variação do tamanho médio da fila de espera com o aumento da demanda
020406080
100120140160180200220240260
0 10 20 30 40 50 60 70 80 90 100
Au
me
nto
na
De
ma
nd
a [
%]
Tempo Médio de Espera [minutos]
05
101520253035404550556065707580
0 10 20 30 40 50 60 70 80 90 100
Au
me
nto
na
De
ma
nd
a [
%]
Tamanho Médio da Fila de Espera [chamadas]
Aumento
(%) TE Médio
[min]
0 4,96
10 5,97
20 10,53
30 20,19
40 27,01
50 45,67
60 63,17
70 91,08
80 112,74
90 140,04
100 232,72
Aumento
(%) Tamanho
Médio
0 0,55
10 1,09
20 1,83
30 4,09
40 5,91
50 10,97
60 16,28
70 25,00
80 32,79
90 42,60
100 75,07
77
A figura 8.3 apresenta os valores encontrados para a variável tamanho médio da fila de
espera. O tamanho de fila se refere à quantidade de chamadas que ficam na tela do
despachante aguardando serem empenhadas à alguma ambulância. Esta variável pode
ser um bom indicador da relação entre o desempenho das operações dentro da central de
regulação e as operações envolvendo especificamente uma unidade móvel (operações
fora da central de regulação). O cenário de aumento de 30% na demanda, indicando um
tamanho médio de fila de 4,09, representa ou um sistema operando em condições
limites durante as 24 horas de operação ou então um sistema bastante congestionado,
não conseguindo cumprir com suas funções dentro de parâmetros de operação
estabelecidos. Observa-se um crescimento mais acentuado à partir do aumento de 50%
na demanda, com valores para a variável de resposta crescendo até chegar a condições
insustentáveis de 16 até 75 chamadas em espera na média, para os casos de 60 e 100%,
respectivamente.
Figura 8.4: Variação do tamanho máximo da fila de espera com o aumento da demanda
Por último, estudou-se o comportamento do tamanho máximo da fila de espera,
conforme apresentado na figura 8.4. Esta variável foi utilizada para aumentar o
entendimento do comportamento do sistema e aumentar a confiança na definição da
qualidade dos parâmetros de resposta estimados frente ao aumento da demanda. Pode
acontecer de um valor médio para o tamanho da fila de espera ser considerado aceitável,
mas estar mascarando valores máximos (ocorrendo por exemplo em horários de pico)
que são insustentáveis para a operação regular do sistema. Um aumento de 30% na
demanda resultou em um tamanho médio de fila de 4,09, podendo significar um sistema
0102030405060708090
100110120130140150160170180
0 10 20 30 40 50 60 70 80 90 100
Au
me
nto
na
De
ma
nd
a [
%]
Tamanho Máximo da Fila de Espera [chamadas]
Aumento
(%) Tamanho
Máximo
0 10
10 14
20 18
30 29
40 33
50 49
60 64
70 86
80 98
90 112
100 164
78
operando no seu limite, mas ainda atendendo a algum critério de desempenho.
Entretanto, para este aumento, o valor do tamanho máximo de fila é de 30 chamadas,
sendo que para este caso o tempo de resposta pode chegar a valores na casa de três
horas, apresentando indício forte quanto à inadequação da configuração do sistema para
esta nova situação.
Quando se pensa em gerenciamento de recursos de um sistema de atendimento médico-
emergencial não se pode esquecer que melhor qualidade em serviço, em geral, implica
em maiores custos e investimentos. Independente da forma de financiamento da
empresa que gerencia o sistema de atendimento (público, privado ou cooperativo), é
desejável que os recursos (não apenas financeiros) sejam alocados da melhor forma
possível. Cabe observar que este trade-off entre nível de serviço e custo não é exclusivo
de sistemas médico-emergenciais (MENDONÇA e MORABITO, 2000).
O cenário analisado deixa clara a importância de uma análise de trade-off entre
possíveis investimentos no sistema e o comportamento deste frente a um aumento na
demanda por serviços, sendo analisado por parâmetros de desempenho conhecidos.
Algumas medidas de desempenho podem ser conflitantes em termos dos diferentes
interesses das partes envolvidas na operação dos sistemas de atendimento emergencial.
O tempo médio de resposta numa região, por exemplo, é uma medida de desempenho
externa do sistema, que interessa principalmente ao usuário do sistema. Por outro lado,
o balanço das cargas de trabalho dos servidores é uma medida de desempenho interna
do sistema, que interessa particularmente aos operadores do sistema (IANNONI E
MORABITO, 2008).
A perda de chamadas e o atraso no tempo de resposta estão diretamente relacionados ao
conflito entre as variáveis aleatórias da demanda por serviço e as restrições de
capacidade do sistema. Dado que, devido a restrições de orçamento, os serviços de
atendimento emergencial não podem ser planejados de forma a trabalhar com um
número muito grande de servidores, há claramente um importante trade-off a ser
considerado entre a qualidade de atendimento e os custos de investimento e operação
nestes sistemas. Ao se analisarem sistemas de atendimento emergencial, os fatores
probabilísticos relacionados à distribuição temporal e espacial dos servidores e
79
chamadas devem ser considerados, dado que a operação destes sistemas é caracterizada
por incertezas com relação à localização e tempo necessário para atender a um
determinado chamado (IANNONI e MORABITO, 2006).
8.2 CENÁRIO 2 – REPOSIÇÃO FEITA NOS HOSPITAIS
Na literatura específica foi possível identificar trabalhos indicando melhorias nos
tempos de atendimento decorrente de acordos firmados entre a gerência do serviço de
atendimento móvel de urgência e os centros de atendimento utilizados, motivando assim
a análise desta alternativa para o caso do Samu BH, que não conta com tal
procedimento. Para construção e simulação deste cenário, foi considerada a reposição
podendo ser feita em qualquer dos centros de atendimento, desde que a ambulância já
esteja no centro realizando a entrega de algum paciente. Após a entrega, o modelo
verifica a necessidade ou não de reposição, de acordo com o tempo decorrido da última
vez em que a unidade repôs equipamento. Se acontecer de a necessidade por reposição
não coincidir com o momento de entrega do paciente, a ambulância retorna para a
central de regulação, independente de sua posição, não utilizando nenhum dos centros
de atendimento considerados. O tempo de reposição permaneceu o mesmo, tanto para a
central quando para os hospitais e unidades de pronto atendimento. Os resultados para a
variável tempo de resposta médio estão apresentados na tabela 8.2 a seguir.
Tabela 8.2: Tempo de resposta médio para o cenário 2
TEMPO DE RESPOSTA CENÁRIO 2 Mínimo Médio Máximo DP 1 3,85 19,40 64,53 9,46
2 4,39 21,12 71,25 10,87
3 4,01 21,93 74,35 10,95
4 4,62 19,95 69,81 10,06
5 4,47 20,38 77,27 9,90
6 3,73 21,44 77,68 11,78
7 4,28 20,57 68,21 10,38
8 3,97 19,11 66,92 8,80
9 4,76 20,07 65,98 9,36
10 3,66 20,18 77,87 10,31
Médias 4,17 20,42 71,39
80
Tabela 8.3: Comparativo do tempo de resposta atual e cenário 2
TEMPO DE RESPOSTA MÉDIO Atual Cenário 2 Diferença 1 21,23 19,40 1,83
2 20,66 21,12 -0,46
3 21,43 21,93 -0,51
4 20,29 19,95 0,34
5 20,64 20,38 0,26
6 21,09 21,44 -0,35
7 21,91 20,57 1,34
8 20,64 19,11 1,52
9 21,78 20,07 1,71
10 22,48 20,18 2,30
Médias 21,21 20,42 0,80
Para análise comparativa entre a alternativa de reposição nos hospitais e a situação atual
de operação, utilizou-se o teste Intervalo de Confiança para a Diferença das Médias
com Amostras Pareadas (Freitas Filho, 2008) sobre os valores de tempo de resposta
médio.
Neste caso, as amostras devem ser do mesmo tamanho e deve existir correspondência
entre o resultado do i-ésimo teste no primeiro cenário e o i-ésimo teste no cenário 2.
Outra premissa básica para a aplicação desse teste, é que os valores obtidos para cada
amostra sejam independentes entre si. Como no caso as replicações realizadas são
independentes, esse pressuposto está satisfeito (FREITAS FILHO, 2008).
Para cada uma das replicações, as sementes dos geradores de números aleatórios são
alteradas enquanto que o estado inicial do sistema permanece sempre o mesmo. Dessa
forma, é possível garantir que os valores gerados por cada uma das replicações sejam
independentes.
O teste consiste na construção do intervalo de confiança para as diferenças dos valores
médios da variável de resposta em cada replicação e na análise dos valores limites deste
intervalo (tabela 8.3).
De acordo com Chwif e Medina (2007), considerando um intervalo de confiança
"#�, #�$ para a média das diferenças, temos que:
81
- se #� < 0 e #� > 0, então nada pode ser concluído sobre a diferença entre as
médias das alternativas;
- se #� > 0 e #� > 0, então a média do cenário 1 é maior;
- #� < 0 e #� < 0, então a média da alternativa 2 é maior.
Para o caso do cenário 2, a média das diferenças é igual a 0,8 com desvio padrão de
1,058. Para construção do intervalo de confiança para as diferenças dos valores médios,
utilizou-se um nível de confiança de 95%, resultando em um valor de 2.26 para a
estatística teste t, com n = 10 replicações e α = 0,05.
I.C. = [0.04 ; 1.55]
Como o intervalo calculado não possui o valor zero e seus extremos são positivos,
podemos afirmar com 95% de confiança que o tempo de resposta médio para o cenário
2 é menor do que o tempo de resposta médio atual do sistema, como era previsto. Como
houve uma diminuição no tempo de deslocamento para reposição, as ambulâncias ficam
indisponíveis menos tempo (somente nos casos em que ocorre a reposição), diminuindo
o tempo de espera das chamadas e conseqüentemente o tempo de resposta.
A tabela 8.4 apresenta um comparativo do tempo total gasto com deslocamentos para
reposição, tanto no caso atual quanto para o cenário 2. O tempo se refere a todas as
ambulâncias e está discretizado por replicação. O tempo total médio gasto é
aproximadamente oito vezes maior no caso da reposição ser feita somente na central,
sendo que para o cenário 2, em média apenas 9.98% das reposições feitas necessitaram
deslocamento para a central de regulação.
82
Tabela 8.4: Tempo total de deslocamento para reposição (cenário 2)
Tempo de Deslocamento Total para Reposição [min]
Atual Cenário 2 1 2.502,51 361,17 2 2.859,48 245,22 3 2.472,38 244,53 4 2.748,38 325,78 5 2.375,83 336,66 6 2.844,94 250,45 7 2.791,34 350,95 8 2.733,68 256,79 9 2.526,98 426,91 10 2.583,03 424,73
Média 2.643,85 322,32
Apesar das simplificações assumidas, como por exemplo a disponibilidade de todos os
centros de atendimento fazerem reposição e o tempo ser identicamente distribuído
quando comparado com aquele praticado na central, o cenário simulado indica uma
provável redução no tempo de resposta médio do sistema à partir de uma modificação
operacional justificável e de relativa facilidade de condução e implementação.
8.3 CENÁRIO 3 – NOVA CENTRAL DE REGULAÇÃO
Uma nova central de regulação para abrigar o sede do Samu de Belo Horizonte está
sendo construída, com previsão para início das operações no segundo semestre de 2010.
O objetivo é melhorar as condições atuais de operação, uma vez que a sede vigente
possui espaço bastante limitado. A nova central está localizada na regional Noroeste não
muito distante da central atual (regional Centro Sul), a uma distância de 6,087
quilômetros em linha reta. Para a simulação deste cenário, a única alteração foi na
localização da central, mantendo-se constante a distribuição e quantidade de
ambulâncias bem como a necessidade de reposição exclusiva na central. À primeira
vista, supõe-se que a mudança não causará impacto no tempo de resposta médio, de
maneira que possamos afirmar estatisticamente que um seja menor do que o outro. Tal
intuição é justificada pelo pequeno deslocamento da central e na manutenção de todos
os demais processos e tempos constantes. As tabelas 8.5 a 8.8 apresentam os valores e
distribuição do tempo de espera em fila e tempo de resposta médio, respectivamente,
para o cenário 3.
83
Como previsto, podemos observar que os valores médios ficam bastante próximos
daqueles do cenário atual, bem como os valores extremos e desvio padrão. A
distribuição destes valores (figuras 8.5 e 8.6) são também bastante semelhantes àquelas
encontradas anteriormente, indicando que o padrão dos tempos de desempenho do
sistema se mantiveram aproximadamente constantes, visto que a única mudança foi no
posicionamento da central de regulação para uma região não distante da central atual.
Tabela 8.5: Tempo de espera em minutos para o cenário 3
TEMPO DE ESPERA [minutos] Mínimo Médio Máximo DP 1 0,49 4,54 51,47 6,28 2 0,46 4,04 45,46 5,84 3 0,48 5,48 56,49 7,86 4 0,47 5,07 69,92 7,76 5 0,43 5,27 42,22 7,01 6 0,48 5,52 55,32 7,27 7 0,48 4,09 43,94 7,27 8 0,49 5,38 95,39 7,54 9 0,48 5,39 69,13 7,67 10 0,52 4,00 47,47 5,78
Médias 0,48 4,88 57,68
Tabela 8.6: Distribuição do tempo de espera em minutos para o cenário 3
TEMPO DE ESPERA
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 12.203 73,30% 73,30%
5 - 10 1.792 10,76% 84,07%
10 - 20 1.813 10,89% 94,96%
20 - 30 601 3,61% 98,57%
30 - 40 177 1,06% 99,63%
> 40 61 0,37% 100,00%
Total 16.647 100,00%
84
Figura 8.5: Histograma do tempo de espera para o cenário 3
Tabela 8.7: Tempo de resposta em minutos para o cenário 3
TEMPO DE RESPOSTA [minutos] Mínimo Médio Máximo DP 1 4,30 20,73 71,51 10,56 2 3,95 19,49 60,93 9,42 3 4,08 21,78 82,10 11,30 4 4,46 21,19 96,63 12,05 5 4,44 21,64 72,40 11,15 6 4,11 21,83 71,89 11,19 7 4,33 19,79 72,54 10,00 8 4,54 21,72 109,91 11,34 9 3,87 21,93 75,20 11,61 10 5,12 19,98 87,37 10,09
Médias 4,32 21,01 80,05
Tabela 8.8: Distribuição do tempo de resposta em minutos para o cenário 3
TEMPO DE RESPOSTA
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 35 0,21% 0,21%
5 - 10 1.962 11,79% 12,00%
10 - 20 7.163 43,03% 55,02%
20 - 30 4.650 27,93% 82,96%
30 - 40 1.716 10,31% 93,27%
> 40 1.121 6,73% 100,00%
Total 16.647 100,00%
01.0002.0003.000
4.0005.0006.000
7.0008.0009.000
10.00011.00012.000
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Espera [minutos]
85
Figura 8.6: Histograma do tempo de resposta para o cenário 3
O mesmo teste Intervalo de Confiança para a Diferença das Médias com Amostras
Pareadas descrito anteriormente foi utilizado para analisar diferenças estatísticas nos
valores médios para cada uma das variáveis de resposta analisadas quando comparadas
com o cenário atual de operação. As tabelas 8.9 e 8.10 apresentam os resultados
encontrados.
Tabela 8.9: Diferenças para o tempo de espera médio entre cenário atual e cenário 3
TEMPO DE ESPERA MÉDIO Atual Cenário 3 Diferença
1 4,63 4,54 0,09 2 4,44 4,04 0,40 3 5,11 5,48 -0,37 4 4,24 5,07 -0,83 5 4,46 5,27 -0,81 6 5,26 5,52 -0,26 7 5,54 4,09 1,45 8 4,42 5,38 -0,95 9 5,33 5,39 -0,06 10 6,21 4,00 2,20
Média 4,96 4,88 0,09
A média das diferenças para o tempo de espera é igual a 0,09 com desvio padrão de
1,028. Para construção do intervalo de confiança, utilizou-se um nível de confiança de
95%, valor de 2.26 para a estatística teste t, com n = 10 replicações e α = 0,05.
I.C. = [-0.65 ; 0.82]
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.500
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta [minutos]
86
O intervalo de confiança construído contém o valor zero, indicando que nada pode ser
concluído sobre a diferença entre as médias das alternativas, podendo ser iguais ou
diferentes, da mesma maneira que para o tempo de resposta médio, conforme
apresentado a seguir.
Tabela 8.10: Diferenças para o tempo de resposta médio entre cenário atual e cenário 3
TEMPO DE RESPOSTA MÉDIO Atual Cenário 3 Diferença
1 21,23 20,73 0,50 2 20,66 19,49 1,17 3 21,43 21,78 -0,35 4 20,29 21,19 -0,90 5 20,64 21,64 -1,00 6 21,09 21,83 -0,75 7 21,91 19,79 2,12 8 20,64 21,72 -1,08 9 21,78 21,93 -0,15 10 22,48 19,98 2,50
Média 21,21 21,01 0,21
A média das diferenças para o tempo de resposta é igual a 0,21 com desvio padrão de
1,317. Para um nível de confiança de 95%, valor de 2.26 para a estatística teste t, com n
= 10 replicações e α = 0,05, temos:
I.C. = [-0.74 ; 1.15]
8.4 CENÁRIO 4 – OTIMIZAÇÃO DO NÚMERO E LOCALIZAÇÃO DAS
AMBULÂNCIAS
O campo de pesquisa na área de otimização para simulação tem como foco o uso da
simulação para projeto e otimização de sistemas. O uso da simulação para estimativa da
performance de um sistema geralmente requer um tempo computacional elevado, sendo
que a determinação da configuração ótima é um problema difícil de tratar devido à
necessidade de avaliar a performance do sistema para diferentes configurações.
O problema de simulação para otimização é um problema de otimização onde a função
objetivo, restrições ou ambas são respostas que somente podem ser avaliadas através da
simulação computacional. Desta maneira, estas funções são apenas funções implícitas
de parâmetros de decisão do sistema (AZADIVAR, 1992).
87
Uma vez definido o problema de otimização (por meio da seleção de controles, objetivo
e restrições), o simulador é chamado cada vez que um conjunto diferente de parâmetros
de controle precisa ser avaliado. O método de otimização utilizado avalia as respostas a
partir da rodada de simulação atual, analisa e relaciona com as respostas de simulações
anteriores e determina um novo conjunto de valores para os controles. Este é um
processo iterativo que gera, sucessivamente, novos conjuntos de valores para os
controles (figura 8.7), nem todos resultando em soluções melhores, mas que ao longo do
tempo converge para soluções próximas do valor ótimo. O processo continua até que
algum critério de encerramento seja satisfeito.
Figura 8.7: Representação básica do processo de otimização baseada em simulação Retirado de Chwif e Medina (2007)
O critério de parada utilizado pelo OptQuest (otimizador do Arena) é automático, sendo
baseado em um nível de tolerância que define o critério para determinar quando duas
soluções são consideradas iguais. O otimizador para automaticamente quando não há
nenhuma melhora na solução ótima corrente após 1000 simulações consecutivas,
baseando-se no valor de tolerância utilizado. Para o caso dos cenários de otimização e
simulação, foi utilizado o valor padrão do Arena de 0,0001 para a tolerância.
Para o processo de busca das soluções candidatas, o OptQuest utiliza uma
implementação da metaheurística Scatter Search (busca por dispersão).
A busca por dispersão é um método evolutivo (baseado em populações) que é muito
efetivo na solução de diversos problemas de otimização discreta, por exemplo na
solução do problema de ordenação linear, na otimização global de funções multimodais
e na solução de problemas de roteamento de veículos com janelas de tempo. Essa meta-
Entradas X Saídas Y
Informação de Retroalimentação
88
heurística combina soluções pertencentes a um conjunto denominado conjunto de
referência, com o intuito de capturar informação não contida nas soluções originais. O
conjunto de referência guarda “boas” soluções encontradas durante o processo de busca.
Cabe destacar que o significado de “boa” não se restringe apenas à qualidade da
solução, mas também a sua diversidade em relação a outras soluções deste conjunto
(SOSA et al., 2007).
Os cenários analisados buscaram identificar o número ideal de ambulâncias de cada tipo
a serem alocadas em cada base (foram consideradas as 20 bases atuais de operação), de
maneira a minimizar o custo total (ver tabela IV.1 – Anexo IV) restrito a um tempo de
resposta médio pré-determinado. Todos os tempos de operação descritos foram
mantidos e partiu-se da suposição que qualquer uma das bases está apta para abrigar
qualquer tipo de ambulância. Para cada base foi considerado um range variando de
nenhuma até 3 ambulâncias no total, para cada tipo. Como o número de cenários é
extremamente elevado, utilizou-se o critério de parada automático do otimizador para
determinação da melhor solução. Os métodos heurísticos de solução utilizam técnicas
específicas para geração de uma solução ótima local que se aproxime de maneira
satisfatória do ótimo global do problema, dentro de um critério de aceitação pré-
estabelecido, garantindo a qualidade da melhor solução gerada. Os tempos de resposta
médio foram calculados de maneira independente para as unidades básicas e avançadas,
de maneira que o otimizador não subestime o número de unidades avançadas buscando
reduzir o valor da função objetivo, uma vez que este tipo de unidade é mais dispendiosa.
Além disso, a modelagem desta maneira permite que os critérios de resposta sejam
diferentes para cada tipo de ambulância, de acordo com interesses dos gestores do
sistema. Os resultados apresentados a seguir levam em conta somente as unidades
básicas e avançadas, não houve variação na quantidade de unidades da ambulância de
saúde mental. Devido ao grande número de cenários, optou-se por fazer as simulações
com 3 replicações de 7 dias cada. O problema de otimização pode ser formulado como
apresentado a seguir, de acordo com metodologia proposta no trabalho de Fu (2000).
( )[ ]ωθθ
θ,)( CEJMin =
Θ∈
onde θ representa o vetor de variáveis de entrada, neste caso representado pelo conjunto
de bases para alocação e a quantidade de ambulâncias de cada tipo em cada base; )(θJ
89
representa a função objetivo, ω representa a replicação, ( )ωθ ,C representa a medida de
desempenho (neste caso o custo total) da alternativa θ na replicação ω e ( )[ ]ωθ ,CE é o
valor esperado de ( )ωθ ,C . As restrições são:
( ) aa RTR ≤ωθ ,
( ) bb RTR ≤ωθ ,
( ) NALSN ai ≤ωθ , i∀
( ) NBLSN bi ≤ωθ , i∀
onde ( )ωθ ,aR e ( )ωθ ,bR são os tempos de resposta para a configuração θ na
replicação ω para unidades básicas e avançadas, respectivamente; ( )ωθ ,aiN e ( )ωθ ,b
iN
são a quantidade de unidades básicas e avançadas alocadas em casa base i na
configuração θ e replicação ω ; aRT e bRT são limites superiores para os tempos de
resposta das unidades avançadas e básicas; NALS e NBLS são os limites superiores para
o total de unidades em cada base.
Importante mencionar que os resultados encontrados não devem ser considerados
definitivos nem livres de aprimoramentos, não só pelas simplificações e considerações
feitas para modelagem do serviço de atendimento de urgência, mas também pelas suas
particularidades, pelas diversas partes interessadas responsáveis pelo processo de gestão
e tomada de decisões e pelo fato de mudanças no posicionamento e quantidade de
unidades poderem acarretar alterações em outros parâmetros de funcionamento do
sistema. Os resultados devem ser encarados como indicadores de possíveis mudanças a
serem feitas na localização e quantidade de ambulâncias frente a alterações nos
parâmetros de desempenho do serviço, além de indicar uma estimativa da capacidade de
atendimento do sistema considerando restrições que resultem em tempos de resposta
menores.
Todos os cenários foram rodados em um computador com processador AMD Athlon 64
X2 Dual Core Processor com 2.70 GHz de velocidade e 2.00 GB de memória RAM.
Os cenários simulados estão apresentados a seguir (a motivação para cada cenário está
explicitada dentro do subitem correspondente):
90
Cenário 8.4.1 – Otimização com tempo de resposta médio ≤ 20 minutos para os dois
tipos de ambulância;
Cenário 8.4.2 – Otimização com tempo de resposta médio ≤ 18 minutos para as
ambulâncias USB e ≤ 15 minutos para as ambulâncias USA;
Cenário 8.4.3 – Otimização com tempo de resposta médio ≤ 15 minutos para os dois
tipos de ambulância;
Cenário 8.4.4 – Otimização com tempo de resposta médio ≤ 10 minutos para os dois
tipos de ambulância.
8.4.1 Tempo de Resposta Médio ≤ 20 minutos
Como o tempo de resposta médio encontrado para validação do modelo foi de 21,21
minutos, o cenário 8.4.1 utilizou como restrição um tempo de resposta médio menor ou
igual a 20 minutos para os dois tipos de ambulância, de maneira a identificar se existe
um melhor posicionamento das unidades atuais utilizando das vinte bases existentes que
poderia resultar em um menor tempo de resposta. A melhor configuração encontrada
para este cenário está apresentada a seguir.
Número de ambulâncias USB = 18
Número de ambulâncias USA = 5
Total de Ambulâncias = 23
Custo Total Mensal USB = R$ 417.780
Custo Total Mensal USA = R$ 174.075
Custo Total Mensal = R$ 591.855
Tempo de Resposta Médio USB = 19.57
Tempo de Resposta Médio USA = 19.07
Pode-se observar que este cenário apresenta uma unidade básica adicional quando
comparado com o cenário atual de operação. A localização de cada unidade está
discretizada na tabela 8.11. O modelo utilizou três bases com um total de três
ambulâncias, sendo que a base 18 apresentou um total de 5 unidades (três básicas e duas
avançadas). Tal ocorrência pode significar um possível ganho de desempenho ao se
concentrar mais unidades em algumas das bases ou então indícios de que a localização
atual das bases poderia ser repensada.
91
Tabela 8.11: Configuração para o cenário 8.4.1
Base USB USA Total 1 - - 0 2 - 1 1 3 1 - 1 4 - - 0 5 - 1 1 6 - - 0 7 2 - 2 8 2 1 3 9 1 - 1 10 - - 0 11 1 - 1 12 3 - 3 13 - - 0 14 1 - 1 15 - - 0 16 1 - 1 17 - - 0 18 3 2 5 19 3 - 3 20 - - 0
Total 18 5 23
A distribuição dos tempos de resposta para cada tipo de unidade apresenta tendências
semelhantes àquelas encontradas no cenário atual de operação, conforme apresentado
nas tabelas 8.12 e 8.13 e nas figuras 8.8 e 8.9 a seguir.
Tabela 8.12: Distribuição do tempo de resposta médio das USB’s para o cenário 8.4.1
TEMPO DE RESPOSTA USB
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 19 0,12% 0,12%
5 - 10 1.683 10,89% 11,01%
10 - 20 6.855 44,36% 55,38%
20 - 30 4.647 30,07% 85,45%
30 - 40 1.640 10,61% 96,07%
> 40 608 3,93% 100,00%
Total 15.452 100,00%
92
Figura 8.8: Histograma do tempo de resposta médio das USB’s para o cenário 8.4.1
Tabela 8.13: Distribuição do tempo de resposta médio das USA’s para o cenário 8.4.1
TEMPO DE RESPOSTA USA
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 0 0,00% 0,00%
5 - 10 55 7,31% 7,31%
10 - 20 273 36,30% 43,62%
20 - 30 234 31,12% 74,73%
30 - 40 108 14,36% 89,10%
> 40 82 10,90% 100,00%
Total 752 100,00%
Figura 8.9: Histograma do tempo de resposta médio das USA’s para o cenário 8.4.1
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.500
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta Médio USB [minutos]
020406080
100120140160180200220240260280300
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta Médio USA [minutos]
93
8.4.2 Tempo de Resposta Médio ≤ 18 minutos para USB e
Tempo de Resposta Médio ≤ 15 minutos para USA
Para a gerência do Samu, um tempo de atendimento considerado aceitável e de boa
qualidade para as unidades básicas e avançadas é aquele utilizado para o cenário 8.4.2.
Os resultados estão apresentados a seguir.
Número de ambulâncias USB = 20
Número de ambulâncias USA = 8
Total de Ambulâncias = 28
Custo Total Mensal USB = R$ 464.200
Custo Total Mensal USA = R$ 278.520
Custo Total Mensal = R$ 742.720
Tempo de Resposta Médio USB = 17.97
Tempo de Resposta Médio USA = 14.77
Houve um aumento de 3 unidades básicas e de 3 unidades avançadas quando
comparado com a configuração atual do Samu, resultando em um gasto adicional
mensal estimado de R$ 174.075. Os tempos de resposta médio para os dois tipos de
unidade ficaram bastante próximos dos limites impostos. O posicionamento das
unidades para esta configuração está apresentado na tabela 8.14.
Novamente houve uma concentração maior de ambulâncias em cada base quando
comparado com o cenário atual, sendo quatro bases com três ambulâncias cada.
Algumas das bases não foram utilizadas (quatro), novamente indicando que um
reposicionamento das bases ao longo da cidade poderia resultar em diminuição no
tempo de resposta sem aumento considerável da quantidade de unidades.
94
Tabela 8.14: Configuração para o cenário 8.4.2
Base USB USA Total 1 1 - 1 2 - 1 1 3 - 1 1 4 - 1 1 5 1 1 2 6 - - 0 7 3 - 3 8 1 - 1 9 - - 0 10 - - 0 11 2 1 3 12 1 - 1 13 1 - 1 14 3 - 3 15 1 1 2 16 3 - 3 17 1 - 1 18 - 2 2 19 - - 0 20 2 - 2
Total 20 8 28
A distribuição do tempo de resposta para as unidades básicas e avançadas está
apresentada nas tabelas 8.15 e 8.16 e figuras 8.10 e 8.11 a seguir. Como era de se
esperar, aumentou-se a freqüência relativa das ocorrências com tempos menores que 20
minutos e diminuiu-se a freqüência relativa das ocorrências com tempos maiores de 20
minutos. Esta tendência é ainda mais acentuada para o caso das unidades avançadas,
quando comparamos com a tabela 8.13 do cenário anterior.
Tabela 8.15: Distribuição do tempo de resposta médio das USB’s para o cenário 8.4.2
TEMPO DE RESPOSTA USB
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 35 0,23% 0,23%
5 - 10 2.141 13,95% 14,17%
10 - 20 8.105 52,80% 66,97%
20 - 30 3.777 24,60% 91,58%
30 - 40 978 6,37% 97,95%
> 40 315 2,05% 100,00%
Total 15.351 100,00%
95
Figura 8.10: Histograma do tempo de resposta médio das USB’s para o cenário 8.4.2
Tabela 8.16: Distribuição do tempo de resposta médio das USA’s para o cenário 8.4.2
TEMPO DE RESPOSTA USA
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 2 0,24% 0,24%
5 - 10 113 13,47% 13,71%
10 - 20 510 60,79% 74,49%
20 - 30 180 21,45% 95,95%
30 - 40 32 3,81% 99,76%
> 40 2 0,24% 100,00%
Total 839 100,00%
Figura 8.11: Histograma do tempo de resposta médio das USA’s para o cenário 8.4.2
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.5008.0008.500
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta Médio USB [minutos]
0306090
120150180210240270300330360390420450480510
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta Médio USA [minutos]
96
8.4.3 Tempo de Resposta Médio ≤ 15 minutos
Para o cenário 8.4.3, procurou-se restringir o tempo de resposta das unidades básicas
para o mesmo padrão de 15 minutos das unidades avançadas discutido na seção anterior.
A motivação para este cenário é forçar uma situação que possa indicar uma possível
tendência de concentração de unidades em alguma região ou até mesmo indicar a
necessidade de reposicionamento das bases frente a critérios mais rígidos de
desempenho.
Número de ambulâncias USB = 24
Número de ambulâncias USA = 8
Total de Ambulâncias = 32
Custo Total Mensal USB = R$ 557.040
Custo Total Mensal USA = R$ 278.520
Custo Total Mensal = R$ 835.560
Tempo de Resposta Médio USB = 14.95
Tempo de Resposta Médio USA = 14.95
Houve um aumento de 7 unidades básicas e de 3 unidades avançadas quando
comparado com a configuração atual do Samu, resultando em um gasto adicional
mensal estimado de R$ 266.915. Os tempos de resposta médio para os dois tipos de
unidade ficaram novamente bastante próximos dos limites impostos. O posicionamento
das unidades para esta configuração está apresentado na tabela 8.17.
Uma unidade avançada adicional foi colocada nas regiões do Barreiro e Noroeste, que
antes não possuíam, sendo que o dobro de regionais foram contempladas com uma USA
quando comparado com o cenário atual. Para as unidades básicas, as bases 2, 9 e 10
deixaram de ser utilizadas e aumentou-se o número de unidades nas regiões da
Pampulha, Norte e Barreiro, sendo que as duas primeiras só possuem uma unidade
básica atualmente, passando para três e duas, respectivamente.
97
Tabela 8.17: Configuração para o cenário 8.4.3
Base USB USA Total 1 1 - 1 2 - - 0 3 2 1 3 4 - - 0 5 1 1 2 6 1 - 1 7 1 1 2 8 3 - 3 9 - 1 1 10 - - 0 11 2 - 2 12 2 - 2 13 1 - 1 14 2 - 2 15 2 1 3 16 2 - 2 17 1 1 2 18 1 1 2 19 1 - 1 20 1 1 2
Total 24 8 32
A distribuição dos tempos de resposta apresentou um aumento considerável nas faixas
de valores menores que 20 minutos, com tendência inversa para valores maiores que
vinte (tabelas 8.18 e 8.19 e figuras 8.12 e 8.13). Como o tempo de resposta médio foi
reduzido, esta tendência já era esperada.
Tabela 8.18: Distribuição do tempo de resposta médio das USB’s para o cenário 8.4.3
TEMPO DE RESPOSTA USB
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 55 0,35% 0,35%
5 - 10 2.998 19,33% 19,69%
10 - 20 9.222 59,46% 79,15%
20 - 30 2.872 18,52% 97,67%
30 - 40 298 1,92% 99,59%
> 40 64 0,41% 100,00%
Total 15.509 100,00%
98
Figura 8.12: Histograma do tempo de resposta médio das USB’s para o cenário 8.4.3
Tabela 8.19: Distribuição do tempo de resposta médio das USA’s para o cenário 8.4.3
TEMPO DE RESPOSTA USA
Valores Número de Ocorrências
Freqüência Relativa
Freqüência Acumulada
0 - 5 6 0,82% 0,82%
5 - 10 120 16,30% 17,12%
10 - 20 463 62,91% 80,03%
20 - 30 127 17,26% 97,28%
30 - 40 20 2,72% 100,00%
> 40 0 0,00% 100,00%
Total 736 100,00%
Figura 8.13: Histograma do tempo de resposta médio das USA’s para o cenário 8.4.3
0500
1.0001.5002.0002.5003.0003.5004.0004.5005.0005.5006.0006.5007.0007.5008.0008.5009.0009.500
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta Médio USB [minutos]
0306090
120150180210240270300330360390420450480
0 - 5 5 - 10 10 - 20 20 - 30 30 - 40 > 40
Nú
me
ro d
e O
corr
ên
cia
s
Tempo de Resposta Médio USA [minutos]
99
8.4.4 Tempo de Resposta Médio ≤ 10 minutos
O cenário 8.4.4 procurou forçar a restrição de tempo de resposta médio de maneira a
indicar a necessidade de grandes mudanças no sistema caso sejam estipulados
parâmetros de desempenho mais rigorosos. Para um tempo de resposta médio menor ou
igual a 10 minutos para os dois tipos de unidades, o otimizador não encontrou solução
viável, considerando um número máximo de 3 unidades em cada base para cada tipo.
Analisando os resultados apresentados até o momento (seções 8.4.1 até 8.4.3), podemos
observar que existe uma tendência de acúmulo de unidades em determinadas bases. No
cenário atual as 20 bases de operação possuem pelo menos uma ambulância alocada. No
cenário apresentado na seção 8.1.4 (tempo de resposta médio ≤ 20 minutos), temos um
total de oito bases onde não foram alocadas nenhuma unidade de resgate. Nos demais
cenários também existem bases que deixaram de ser utilizadas.
Este cenário indica que para ganhos mais expressivos na variável tempo de resposta,
uma possibilidade interessante seria o reposicionamento das bases atuais, evitando
aumentar exageradamente o número de ambulâncias em cada base. Um estudo de
localização considerando as bases atuais e possíveis pontos para implantação de novas
bases futuras pode ser interessante para validar a hipótese levantada, sendo ainda
possível a determinação de configurações que reduzam o tempo de resposta médio com
o mesmo efetivo de unidades móveis, mas com mudanças em suas localizações ao
longo do território considerado.
100
9. CONCLUSÕES E RECOMENDAÇÕES PARA TRABALHOS FUTUROS
Serviços de atendimento móveis de urgência possuem uma grande aleatoriedade
associada aos tempos dos diversos processos que fazem parte das operações rotineiras
do sistema. Mesmo aquelas operações que possuem regras aparentemente claras de
funcionamento apresentam componentes que não são possíveis de mensurar e que
influenciam diretamente no funcionamento das diversas atividades, como por exemplo o
processo de regulação médica, onde para um mesmo incidente pode ser enviada uma
ambulância ou não, dependendo do profissional que está fazendo o atendimento. O
mesmo acontece para o processo de encaminhamento do paciente para os centros de
atendimento. Considerando as características específicas deste tipo de sistema bem
como as dificuldades já relatadas para modelagem, a técnica de simulação a eventos
discretos foi utilizada de maneira eficaz para análise do Samu de Belo Horizonte.
Com o modelo desenvolvido, testes foram feitos de maneira a identificar o
comportamento do sistema frente a alterações no padrão de demanda e nos processos de
operação. Os resultados encontrados fornecem evidências do impacto no desempenho
do sistema quando sujeito a mudanças na lógica de funcionamento, não sendo porém
objetivo deste estudo a predição do futuro com absoluta segurança. O aumento de
demanda simulado indicou as limitações e congestionamento do serviço de atendimento
analisado, utilizando como parâmetro de comparação o tempo médio de resposta e os
tempos de espera, variáveis comuns para avaliação de serviços móveis de urgência. Os
testes utilizando da simulação para otimização indicaram que para ganhos mais
expressivos no valor do tempo de resposta médio, é necessário um estudo para melhor
distribução das bases ao longo das nove regionais consideradas.
O estudo da distribuição temporal e espacial das diversas chamadas que chegam à
central de atendimento, bem como suas características principais, é uma ferramenta para
auxílio à tomada de decisão por parte dos gestores. Um melhor entendimento das
entradas do sistema pode favorecer uma melhor utilização dos recursos atuais de
operação.
Como sugestão para melhoria do modelo computacional desenvolvido, existem as
alternativas de consideração dos plantões médicos em cada centro de atendimento, bem
101
como a capacidade, resultando em novas regras de encaminhamento dos pacientes para
hospitais. Um acompanhamento direto das operações de resgate em diferentes dias e
horários pode ser útil para definição de valores para a velocidade média e o fator de
correção da distância euclidiana mais precisos, sendo possível o uso de valores
discretizados no tempo ao invés de um valor médio único. Uma análise de sensibilidade
variando as características das chamadas que chegam à central (aumento na
porcentagem de chamadas que necessitam atendimento ou alteração das porcentagens
de cada tipo de ocorrência) pode ser útil para indicar a necessidade de novos
investimentos frente a alterações no padrão de demanda. Com relação à análise de
sistemas de atendimento móveis de urgência, uma sugestão para estudo futuro é o
desenvolvimento de algoritmos ou métodos heurísticos para definição de políticas de
despacho, buscando otimizar a utilização das unidades e reduzir o tempo de resposta.
O desenvolvimento de um método heurístico específico para o problema em questão,
pode ser interessante para diminuição do tempo computacional gasto com a avaliação e
definição de cenários dentro do procedimento de otimização baseada em simulação
apresentado. O OptQuest se utiliza de um procedimento padrão, não aproveitando de
características estruturais específicas de cada tipo de problema.
102
REFERÊNCIAS BIBLIOGRÁFICAS
AL-GHAMDI, A. S. Emergency medical service rescue times in Riyadh. Accident
Analysis and Prevention, v. 34, n. 34, p. 499-505, Jul. 2002.
ARINGHIERI, R.; CARELLO, G.; MORALE, D. Ambulance location through
optimization and simulation: the case of Milano urban area. In: ANNUAL
CONFERENCE OF THE ITALIAN OPERATIONS RESEARCH SOCIETY
OPTIMIZATION AND DECISION SCIENCES, 38., 2007, Genova. Annals… Genova:
Università degli Studi di Milan, 2007. p. 29.
AZADIVAR, F. A tutorial on simulation optimization. In: WINTER SIMULATION
CONFERENCE, 24., 1992, Arlington. Proceedings… Arlington: 1992. p. 198-204.
BALL, M.O.; LIN, L.F. A reliability model applied to emergency service vehicle
location. Operations Research, v. 41, n. 1, p. 18–36, Jan. 1993.
BODTKER, K.; WILSON, L; GODOLPHIN, W. Simulation modelling to assist
operational management and planning in clinical laboratories. Simulation, v. 60, n. 4, p.
247-255, 1993.
BRAILSFORD, S. C. Tutorial: advances and challenges in healthcare simulation
modeling. In: WINTER SIMULATION CONFERENCE, 40., 2007, Washington.
Proceedings… Washington: 2007. p. 1436-1448.
BRANDEAU, M. L.; LARSON, R. C. Extending and applying the hypercube
queueing model to deploy ambulances in Boston. In: IGNAL, E.; SWERSEY, A. J.
(Ed.). Management Science and the Delivery of Urban Services. North-Holland:
Elsevier, 1986. v. 22, p. 121-153.
BUDGE, S.; INGOLFSSON, A.; ERKUT, E. Optimal ambulance location with
random delays and travel times. Health Care Management Science, v. 11, n. 3, p. 262-
274, Sep. 2008.
103
CAMPBELL, J. P.; GRATTON, M. C.; SALOMONE, J. A.; W ATSON, W. A.
Ambulance arrival to patient contact: the hidden component of prehospital response
time intervals. Annals of Emergency Medicine, v. 22, n. 8, p. 1254-1257, Aug. 1993.
CHAMPION, H. R.; SACCO, W. J.; COPES, W. S.; GANN, D. S.;
GENNARELLI, T. A.; FLANAGAN, M. E. A revision of the trauma score. PubMed,
v. 29, n. 5, p. 623-629, May. 1989.
CHURCH, R.L.; REVELLE, C. The maximal covering location problem. Papers of
the Regional Science Association, v. 32, n. 1, p. 101-118, 1974.
CHWIF, L.; MEDINA, A. C. Modelagem e simulação de eventos discretos: teoria e
aplicações. São Paulo: Editora do Autor, 2007. 254 p.
COELLI, F. C.; FERREIRA, R. B.; DE ALMEIDA, R. M. V . R.; PEREIRA, W. C.
A. Simulação por eventos discretos aplicada à otimização do atendimento em uma
clínica de mamografia. Revista Brasileira de Engenharia Biomédica, v. 22, n. 3, p. 203-
212, Dez. 2006.
CUMMINS, R. O. From concept to standard-of-care? Review of clinical experience
with automated external defibrillators, Annals of Emergency Medicine, v. 18, n. 12, p.
1269-1275, Dec. 1989.
CUMMINS, R. O.; EISENBERG, M. S.; HALLSTROM, A. P.; LITWIN, P. E.
Survival of out-of-hospital cardiac arrest with early initiation of cardiopulmonary
resuscitation, American Journal of Emergency Medicine, v. 3, n. 2, p. 114-119, Mar.
1985.
DE OLIVEIRA, M. J. F. 3D visual simulation and hospital admission systems
management. The flow of patients in a virtual scenario. In: EURO-95 - OR APPLIED
TO HEALTH SERVICES, 1995, Maastrick. Annals… Maastrick: 1995.
DE OLIVEIRA, M. J. F; JUNIOR, P. R. S. Simulação do fluxo de pacientes nos
setores de emergência do hospital universitário Antônio Pedro. In: SIMPÓSIO
104
BRASILEIRO DE PESQUISA OPERACIONAL E LOGÍSTICA DA MARINHA, 10.,
2007, Rio de Janeiro. Anais... Rio de Janeiro: 2007.
ELDABI, T.; YOUNG, T. Towards a framework for healthcare simulation. In:
WINTER SIMULATION CONFERENCE, 39., 2007, Washington. Proceedings…
Washington: 2007. p. 1454-1460.
FETTER, R. B.; THOMPSON, J. D. Patients’ waiting time and doctors’ idle time in
the outpatient setting. Health Services Research, v. 1, n. 1, p. 66-90, Jul. 1966.
FREITAS FILHO, P. J. Introdução à modelagem e simulação de sistemas com
aplicações em Arena. Florianópolis/SC: Visual Book Editora, 2008. 372 p.
FITZSIMMONS, J. A. An emergency medical system simulation model. In: WINTER
SIMULATION CONFERENCE, 5., 1971, New York. Proceedings… New York: 1971.
p. 18-25.
FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de services:
operações, estratégia e tecnologia da informação. 4. ed. Porto Alegre: Artmed Editora
S. A., 2004. 564 p.
FITZSIMMONS, J.A.; SRIKAR, B. Emergency ambulance location using the
contiguous zone search routine. Journal of Operations Management, v. 2, n. 4, p. 225–
237, Aug. 1982.
FONE, D.; HOLLINGHURST, S.; TEMPLE, M.; ROUND, A.; LESTER, N.;
WEIGHTMAN, A.; ROBERTS, K.; COYLE, E.; BEVAN, G.; P ALMER, S.
Systematic review of the use and value of computer simulation modeling in population
health and health care delivery. Journal of Public Health Medicine, v. 25, n. 4, p. 325-
335, Dec. 2003.
FU, M. C. Optmization for simulation: theory vs. practice. INFORMS Journal on
Computing, vol. 14, n. 3, p. 192-215, Jul. 2002.
105
GARCIA, L. C. Dimensionamento de recursos de atendimento móvel de urgência da
região metropolitana II do estado do Rio de Janeiro. 2006. 170 f. Dissertação
(Mestrado em Engenharia de Produção) – Escola de Engenharia, Universidade Federal
do Rio de Janeiro, Rio de Janeiro, 2006.
GIBSON, I. W. An approach to hospital planning and design using discrete event
simulation. In: WINTER SIMULATION CONFERENCE, 39., 2007, Washington.
Proceedings… Washington: 2007. p. 1501-1509.
GOLDBERG, J.; DIETRICH, R.; CHEN, J.M.; MITWASI, M. G. A simulation
model for evaluating a set of emergency vehicle base locations: development, validation
and usage. Socio-Economic Planning Sciences, v. 24, n. 2, p. 125-141, Mar. 1990.
GONÇALVES, A. A. Gestão da capacidade de atendimento em hospitais de câncer.
2004. 146 f. Tese (Doutorado em Engenharia de Produção) – COPPE, Universidade
Federal do Rio de Janeiro, Rio de Janeiro, 2004.
GONÇALVES, M. B. Métodos de pesquisa operacional em serviços emergenciais. In:
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL, 26., 1994, Florianópolis.
Anais... Florianópolis: 1994. p. 597-601.
GUNES, E.; SZECHTMAN, R. A simulation model of a helicopter ambulance
service. In: WINTER SIMULATION CONFERENCE, 37., 2005, Orlando.
Proceedings… Orlando: 2005. p. 951-957.
HAKES, B.; KELLER, L.; LILEGDON, W. R.; MABROUK, K. ; MCGUIRE, F.;
LOWERY, J. C. Barriers to implementing simulation in health care. In: WINTER
SIMULATION CONFERENCE, 26., 1994, Lake Buena Vista. Proceedings… Lake
Buena Vista: 1994. p. 868-875.
HENDERSON, S. G.; MASON, A. J. Estimating ambulance requirements in
Auckland, New Zealand. In: WINTER SIMULATION CONFERENCE, 31., 1999,
Phoenix. Proceedings… Phoenix: 1999. p. 1670-1674.
106
HOLLOWAY, J., FRANCIS, G. AND HINTON, M. A vehicle for change? A case
study of performance improvement in the 'new' public sector. The International Journal
of Public Sector Management, v. 12, n. 4, p. 351-365, 1999.
IANNONI, A. P.; MORABITO, R. Modelo hipercubo integrado a um algoritmo
genético para análise de sistemas médicos emergenciais em rodovias. Gestão &
Produção, v. 13, n. 1, p. 93-104, Jan. 2006.
IANNONI, A. P.; MORABITO, R. Otimização da localização das bases de
ambulâncias e do dimensionamento de suas regiões de cobertura em rodovias.
Produção, v. 18, n. 1, p. 47-63, 2008.
INGALLS, R. G. Introduction to simulation. In: WINTER SIMULATION
CONFERENCE, 40., 2008, Miami. Proceedings... Miami: 2008. p. 17-26.
INGOLFSSON A, BUDGE S, ERKUT E. Optimal ambulance location with random
delays and travel times. Alberta: University of Alberta School of Business, USA, 2003.
34 p. Manuscript.
JAMES, G. New E.M.S. Respose Time. The New York Times, 25 Mar. 1990.
Disponível em: <http://www.nytimes.com/1990/03/25/nyregion/new-ems-response-
time.html?pagewanted=1>. Acesso em: 12 Nov. 2009.
KOCH, O.; WEIGL, H. Modeling ambulance service of the Austrian red cross. In:
WINTER SIMULATION CONFERENCE, 35., 2003, New Orleans. Proceedings…
New Orleans: 1999. p. 1701-1706.
KULJIS, J.; PAUL, R. J.; STERGIOULAS, L. K. Can health care benefit from
modeling and simulation methods in the same way as business and manufacturing has?
In: WINTER SIMULATION CONFERENCE, 39., 2007, Washington. Proceedings…
Washington: 2007. p. 1449-1453.
107
LANGE, V. E. The benefits of simulation modeling in medical planning and medical
design. In: WINTER SIMULATION CONFERENCE, 31., 1999, Phoenix.
Proceedings… Phoenix: 1999. p. 1564-1567.
LAW, A. M. Simulation modeling and analysis. 4. ed. New York: McGraw-Hill, 2007.
768 p.
LIM, E.; SEOW, E. Ambulance response time to emergency departments. Singapore
Medical Journal, v. 34, n. 6, p. 530-532, Dec. 1993.
LIMA FILHO, E. R.; PEREIRA, R. C.; CASTRO, V. F.; A LMEIDA, M. A. R.
Simulação de eventos discretos aplicado em manutenção de tomógrafos hospitalares. In:
SIMPÓSIO DE PESQUISA OPERACIONAL E LOGÍSTICA DA MARINHA, 11.,
2008, Rio de Janeiro. Anais... Rio de Janeiro: 2008.
LOWERY, J. C. Introduction to simulation in health care. In: WINTER
SIMULATION CONFERENCE, 28., 1996, Coronado. Proceedings… Coronado: 1996.
p. 78-84.
MAYER, J. D. Paramedic response time and survival from cardiac arrest. Social
Science and Medicine, v. 13, n. 4, p. 267-271, Dec. 1979.
MCCARTHY, J. C.; WRIGHT, P. C.; HEALEY, P.; DEARDEN , A.; HARRISON,
M. D. Locating the scene: the particular and the general in contexts for ambulance
control. In: INTERNATIONAL ACM SIGGROUP CONFERENCE ON
SUPPORTING GROUP WORK: THE INTEGRATION CHALLENGE, 1997, Phoenix.
Proceedings… Phoenix: 1997. p. 101-110.
MCGRATH, K. The Golden Circle: a way of arguing and acting about technology in
the London Ambulance Service. European Journal of Information Systems, v. 11, n. 4,
p. 251-266. Dec. 2002.
108
MEDEIROS, D. J.; SWENSON, E.; DEFLITCH, C. Improving patient flow in a
hospital emergency department. In: WINTER SIMULATION CONFERENCE, 40.,
2008, Miami. Proceedings… Miami: 2008. p. 1526-1531.
MENDONÇA, F. C.; MORABITO, R. Aplicação do modelo hipercubo para análise
de um sistema médico-emergencial em rodovia. Gestão & Produção, v. 7, n. 1, p. 73-
91, Abr. 2000.
MENG, L. Y.; SPEDDING, T. Modeling patient arrivals when simulating an accident
and emergency unit. In: WINTER SIMULATION CONFERENCE, 40., 2008, Miami.
Proceedings… Miami: 2008. p. 1509-1515.
MIDDLETON, D. C.; TRENT, R. B. Emergency medical response to occupational
locations in West Virginia. Journal of Occupational Accidents, v. 10, n. 2, p. 131-139,
Aug. 1988.
MILLER, M. J.; FERRIN, D. M.; SHAHI, N.; LAVECCHIA, R. Allocating
outpatient clinic services using simulation and linear programming. In: WINTER
SIMULATION CONFERENCE, 40., 2008, Miami. Proceedings... Miami: 2008. p.
1637-1644.
NOVAES, A. G. Sistemas logísticos: transporte, armazenagem e distribuição física de
produtos. São Paulo: Editora Edgard Blucher, 1989. 372 p.
OLIVEIRA, L. K. de; GONÇALVES, M. B. Metodologia para avaliar centro de
emergência: aplicação ao centro de emergência da Polícia Militar de Santa Catarina.
Revista Produção Online, v. 4, n. 2, Abr. 2004.
PÉREZ, K.; CARDONA, L.; GÓMEZ, S.; OLARTE, T.; ESCU DERO, P.
Simulation and optimization in a health center in Medellin, Colombia. In: WINTER
SIMULATION CONFERENCE, 40., 2008, Miami. Proceedings… Miami: 2008. p.
1362-1367.
109
PONS, P. T. AND MARKOVCHICK, V. J. Eight minutes or less: does the
ambulance response time guideline impact trauma patient outcome? Journal of
Emergency Medicine, v. 23, n. 1, p. 43-48. Jul. 2002.
RAMIS, F. J.; BAESLER, F.; BERHO, E.; NERIZ, L.; SE PULVEDA, J. A. A
simulator to improve waiting times at a medical imaging center. In: WINTER
SIMULATION CONFERENCE, 40., 2008, Miami. Proceedings Miami: 2008. p. 1572-
1577.
REPEDE, J. F.; BERNARDO, J. J. Developing and validating a decision support
system for locating emergency medical vehicle in Louisville, Kentucky. European
Journal of Operational Research, v. 75, n. 3, p. 567-581, Jun. 1994.
SHANNON, R. E. Systems Simulation – The Art and Science. Englewood Cliffs:
Prentice-Hall, 1975. 368 p.
SU, S.; SHIH, C. L. Modeling an emergency medical services system using computer
simulation. International Journal of Medical Informatics, v. 72, n. 3, p. 57-72, Aug.
2003.
SINGER, M.; DONOSO, P. Assessing an ambulance service with queuing theory.
Computers and Operations Research, v. 35, n. 8, p. 2549-2560, Aug. 2008.
SOSA, N. G. M.; GALVÃO, R. D. e GANDELMAN, D. A. Algoritmo de busca
dispersa aplicado ao problema clássico de roteamento de veículos. Pesquisa
Operacional, v. 27, n. 2, p. 293-310, Maio. 2007.
STANDRIDGE, C. R. A tutorial on simulation in health care: applications and issues.
In: WINTER SIMULATION CONFERENCE, 31., 1999, Phoenix. Proceedings…
Phoenix: 1999. p. 49-55.
TAKAKUWA, S.; WIJEWICKRAMA, A. Optimizing staffing schedule in light of
patient satisfaction for the whole outpatient hospital ward. In: WINTER SIMULATION
CONFERENCE, 40., 2008, Miami. Proceedings... Miami: 2008. p. 1500-1508.
110
TAKEDA, R. A. Uma contribuição para avaliar o desempenho de sistemas de
transporte emergencial de saúde. 2000. 210 f. Tese (Doutorado em Transportes) –
Escola de Engenharia de São Carlos, Universidade de São Paulo, São Paulo, 2000.
TAKEDA, R. A.; WIDMER, J. A.; MORABITO, R. Uma proposta alternativa para
avaliação do desempenho de sistemas de transporte emergencial de saúde brasileiros.
Transportes, v. 9, n. 2, p. 9-27. 2001.
TIMERMAN, S.; GONZALEZ, M. M. C.; ZARONI, A. C.; RA MIRES, J. A. F.
Emergency medical services: Brazil. Resuscitation, v. 70, n. 3, p. 356-359, Sep. 2006.
TOREGAS, C.; SWAIN, R.; REVELLE, C.; BERGMAN, L. The location of
emergency service facilities. Operations Research, v. 19, n. 6, p. 1363-1373, Oct. 1971.
VILA-PARISH, A. R.; IVY, J. S.; KING, R. E. A simulation-based approach for
inventory modeling of perishable pharmaceuticals. In: WINTER SIMULATION
CONFERENCE, 40., 2008, Miami. Proceedings… Miami: 2008. p. 1532-1538.
WEARS, R. L.; WINTON, C. N. Simulation modeling of prehospital trauma care. In:
WINTER SIMULATION CONFERENCE, 25., 1993, Los Angeles. Proceedings… Los
Angeles: 1993. p. 1216-1224.
WILDE, E. T. Do response times matter? The impact of EMS response times on health
outcomes. Princeton: Princeton University, Industrial Relations Section, 2008. 80 p.
Working Paper.
WOOLLARD, M., LEWIS, D. AND BROOKS, S. Strategic change in the ambulance
service: barriers and success strategies for the implementation of high-performance
management systems. Strategic Change, v. 12, n. 3, p. 165-175, May 2003.
City of Toronto Ministry of Health. Disponível em
<http://www.toronto.ca/health/boh_index.htm>. Acesso em: 8 set. 2009.
111
Huron County Emergency Medical Services. Disponível em
<http://www.huroncounty.ca/ambulance/>. Acesso em: 8 set. 2009.
Instituto Brasileiro de Geografia e Estatística. Disponível em <http://www.ibge.gov.br>.
Acesso em: 18 ago. 2009.
New South Wales Department of Health. Disponível em
<http://www.health.nsw.gov.au/>. Acesso em: 8 set. 2009.
Prefeitura Municipal de Belo Horizonte. Disponível em: <http://www.pbh.gov.br>.
Acesso em: 11 ago. 2009.
112
ANEXO I - DISTRIBUIÇÕES DOS TEMPOS DE ATENDIMENTO
Figura I.1: Distribuição para o tempo de despacho
Expressão: 8 + GAMM(8.56, 1.7) p-valor > 0.15 Erro quadrático: 0.007264
Figura I.2: Distribuição para o tempo de atendimento do médico regulador no caso de não despachar uma ambulância
Expressão: 21 + WEIB(85.9, 1.16) p-valor > 0.15 Erro quadrático: 0.009427
Figura I.3: Distribuição para o tempo de atendimento do médico regulador no caso de envio de uma ambulância USA
Expressão: 20 + 290 * BETA(0.902, 2.5) p-valor > 0.15 Erro quadrático: 0.001159
113
Figura I.4: Distribuição para o tempo de atendimento do médico regulador no caso de envio de uma ambulância USB
Expressão: 29 + GAMM(18.2, 2.06) p-valor > 0.15 Erro quadrático: 0.004375
Figura I.5: Distribuição para o tempo de parada para manutenção
Expressão: ERLA(1.11, 2) p-valor > 0.15 Erro quadrático: 0.006566
Figura I.6: Distribuição para o tempo de atendimento do teledigifonista no caso de uma ocorrência médica
Expressão: 24 + WEIB(97.9, 1.84) p-valor > 0.15 Erro quadrático: 0.001447
114
Figura I.7: Distribuição para o tempo de atendimento do teledigifonista no caso de uma ocorrência não médica
Expressão: 6 + WEIB(24, 1.21) p-valor > 0.15 Erro quadrático: 0.003872
Figura I.8: Distribuição para o tempo de atendimento local no caso de uma USB
Expressão: 4.5 + WEIB(15.6, 1.71) p-valor > 0.15 Erro quadrático: 0.005297
Figura I.9: Distribuição para o tempo de atendimento local no caso de uma USA
Expressão: 5 + 65 * BETA(4.28, 16.6) p-valor > 0.15 Erro quadrático: 0.013473
115
Figura I.10: Distribuição para o tempo de transmissão das informações sobre o estado do paciente para o despachante
Expressão: TRIA(30,56.6,80) p-valor > 0.15 Erro quadrático: 0.007831
Figura 1.11: Distribuição para o tempo de orientação médica da equipe de resgate através do médico regulador da central (regulação secundária)
Expressão: TRIA(6,16.4,28) p-valor > 0.15
Erro quadrático: 0.006828
Distribuição para o tempo de reposição: TRIA(15,20,30)
Distribuição para o tempo de entrega do paciente no hospital: TRIA(7,10,20)
116
ANEXO II - DISTRIBUIÇÃO DA TAXA MÉDIA DE CHAMADAS POR DIA E
POR FAIXA DE HORÁRIO
Figura II.1: Histograma da taxa média de chamadas por horário do dia (segunda-feira)
Figura II.2: Histograma da taxa média de chamadas por horário do dia (terça-feira)
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
117
Figura II.3: Histograma da taxa média de chamadas por horário do dia (quarta-feira)
Figura II.4: Histograma da taxa média de chamadas por horário do dia (quinta-feira)
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
118
Figura II.5: Histograma da taxa média de chamadas por horário do dia (sexta-feira)
Figura II.6: Histograma da taxa média de chamadas por horário do dia (sábado)
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
119
Figura II.7: Histograma da taxa média de chamadas por horário do dia (domingo)
0102030405060708090
100110120130140
00
:00
-0
0:5
9
01
:00
-0
1:5
9
02
:00
-0
2:5
9
03
:00
-0
3:5
9
04
:00
-0
4:5
9
05
:00
-0
5:5
9
06
:00
-0
6:5
9
07
:00
-0
7:5
9
08
:00
-0
8:5
9
09
:00
-0
9:5
9
10
:00
-1
0:5
9
11
:00
-1
1:5
9
12
:00
-1
2:5
9
13
:00
-1
3:5
9
14
:00
-1
4:5
9
15
:00
-1
5:5
9
16
:00
-1
6:5
9
17
:00
-1
7:5
9
18
:00
-1
8:5
9
19
:00
-1
9:5
9
20
:00
-2
0:5
9
21
:00
-2
1:5
9
22
:00
-2
2:5
9
23
:00
-2
3:5
9
Ta
xa
Mé
dia
de
Ch
am
ad
as
Faixas de Horário
120
ANEXO III - TAXA DE UTILIZAÇÃO DAS AMBULÂNCIAS PAR A O CENÁRIO ATUAL
Tabela III.1 – Taxa de utilização das ambulâncias
Ambulância Replicação Média Desvio
Padrão Nº Tipo 1 2 3 4 5 6 7 8 9 10 1 USB 43,06% 46,23% 41,64% 39,57% 48,48% 45,57% 47,11% 41,25% 41,72% 49,06% 44,37% 3,34 2 USB 50,70% 47,23% 46,50% 47,84% 51,13% 56,14% 50,16% 45,86% 51,09% 54,08% 50,07% 3,32 3 USB 63,06% 56,90% 65,08% 58,03% 59,58% 58,32% 60,26% 59,14% 56,38% 55,31% 59,21% 3,00 4 USB 58,87% 58,48% 60,29% 58,51% 60,65% 52,28% 56,87% 56,84% 61,81% 56,15% 58,07% 2,72 5 USB 50,96% 54,13% 55,04% 51,52% 60,22% 50,15% 56,27% 52,56% 55,92% 50,91% 53,77% 3,16 6 USB 64,53% 64,08% 63,01% 59,48% 65,20% 58,32% 59,13% 65,10% 62,44% 60,89% 62,22% 2,60 7 USB 55,44% 50,66% 52,27% 51,22% 54,30% 49,28% 58,68% 56,02% 56,03% 50,37% 53,43% 3,10 8 USB 54,94% 57,80% 59,23% 53,05% 62,36% 56,82% 57,08% 53,27% 59,48% 55,09% 56,91% 2,94 9 USB 62,85% 59,11% 61,82% 59,91% 67,59% 63,19% 63,81% 62,48% 56,52% 61,28% 61,86% 2,98 10 USB 63,67% 59,78% 68,86% 63,15% 67,97% 58,13% 60,11% 60,73% 63,18% 61,37% 62,70% 3,48 11 USB 58,25% 54,41% 60,20% 51,65% 59,62% 50,68% 52,06% 49,06% 50,35% 48,80% 53,51% 4,36 12 USB 50,21% 46,78% 52,22% 48,63% 50,88% 50,04% 47,25% 47,91% 50,39% 57,48% 50,18% 3,09 13 USB 59,49% 56,86% 56,49% 53,27% 65,06% 58,58% 56,83% 55,71% 55,56% 55,63% 57,35% 3,20 14 USB 50,01% 52,34% 49,73% 50,76% 54,50% 49,59% 51,77% 53,29% 53,99% 46,36% 51,23% 2,46 15 USB 66,56% 65,13% 66,11% 64,33% 70,22% 60,64% 67,33% 63,70% 59,61% 64,27% 64,79% 3,10 16 USB 59,35% 55,65% 59,45% 50,11% 59,97% 57,04% 54,89% 54,64% 54,89% 57,51% 56,35% 2,98 17 USB 45,75% 40,53% 43,02% 44,10% 44,37% 45,20% 45,46% 45,26% 43,45% 46,95% 44,41% 1,79 18 USM 2,08% 2,31% 2,16% 5,28% 3,67% 3,38% 2,37% 3,78% 2,95% 3,51% 3,15% 0,99 19 USA 12,87% 15,89% 13,99% 15,25% 12,40% 14,54% 17,82% 10,75% 14,70% 12,02% 14,02% 2,08 20 USA 10,36% 14,07% 12,81% 11,94% 14,28% 14,62% 9,50% 16,12% 11,25% 11,10% 12,60% 2,13 21 USA 13,41% 13,40% 16,55% 17,40% 14,08% 14,23% 15,66% 14,51% 18,25% 12,08% 14,95% 1,96 22 USA 8,17% 11,89% 7,44% 12,40% 13,15% 10,76% 6,28% 7,64% 11,06% 11,96% 10,08% 2,45 23 USA 15,43% 13,46% 12,11% 15,61% 21,29% 15,01% 13,00% 16,86% 17,62% 16,77% 15,72% 2,65 Média USB 56,33% 54,48% 56,53% 53,24% 58,95% 54,12% 55,59% 54,28% 54,87% 54,79% 55,32% 1,54 Média USA 10,39% 11,84% 10,84% 12,98% 13,14% 12,09% 10,77% 11,61% 12,64% 11,24% 11,75% 0,91
USB: Unidade de Suporte Básico / USM: Unidade de Saúde Mental / USA: Unidade de Suporte Avançado
121
ANEXO IV - CUSTO MENSAL DE UMA UNIDADE DE SUPORTE BÁSICO
Tabela IV.1: Custo mensal de uma USB
Total Férias 13º
salário Aviso Prévio FGTS INSS PIS Qtd/Prof.
Total Mensal
Técnico de Enfermagem 978,13 108,67 81,48 81,48 159,34 331,19 12,52 5 8.764,04
Motorista Socorrista 978,13 108,67 81,48 81,48 159,34 331,19 12,52 5 8.764,04
Outros Custos
Combustível 2.281,25 1 2.281,25
Seguro 1.000,00 1 1.000,00
Reparos 800,00 1 800,00
Passagens 400,00 1 400,00
Diárias 800,00 1 800,00
Medicamentos 400,00 1 400,00
Total 23.209,33
Custo USB considerado = R$ 23.210,00
Custo USA = 1.5 * Custo USB
Custo USA = R$ 34.815,00
A estimativa do custo de uma USA foi feita à partir de conversa com a gerência do Samu, adotando para tanto o fator de ajuste de 1.5
com relação ao custo de uma unidade básica.